Professional Documents
Culture Documents
POBLACIN Y MUESTRA.
Una vez definido el problema a investigar, formulados los objetivos y delimitadas las
variables se hace necesario determinar los elementos o individuos con quienes se va a llevar a
cabo el estudio o investigacin. Esta consideracin nos conduce a delimitar el mbito de la
investigacin definiendo una poblacin y seleccionando la muestra. Cualquier caracterstica
medible de la poblacin se denomina parmetro, los valores de los parmetros calculados
sobre muestras se conocen como estadsticos o estadgrafos, utilizan letras latinas (0, s2, r...,
media, varianza, coeficiente de correlacin) y describen a las citadas muestras.
3. POBLACIN Y UNIVERSO:
El diccionario de la RAE (2001) define la poblacin,
en su acepcin sociolgica, como Conjunto de los individuos o cosas sometido a una
evaluacin estadstica mediante muestreo. En cualquier investigacin, el primer problema
que aparece, relacionado con este punto, es la frecuente imposibilidad de recoger datos de
todos los sujetos o elementos que interesen a la misma.
El trmino universo designa a todos los posibles sujetos o medidas de un cierto tipo... La
parte del universo a la que el investigador tiene acceso se denomina poblacin. (Fox, 1981: 368)
Poblacin es un conjunto definido, limitado y accesible del universo que forma el referente
para la eleccin de la muestra. Es el grupo al que se intenta generalizar los resultados . (Buenda,
Cols y Hernndez, 1998: 28)
Etapas del Proceso Investigador: Poblacin y Muestra. 2
Marn Ibez (1985: 167) seala las diferencias entre poblacin o universo general
y universo de trabajo. El primero hace referencia a toda la poblacin a la que queremos
extender las conclusiones de la muestra, mientras que el universo de trabajo son los casos
que de alguna manera tenemos consignados y de los que podemos extraer la muestra. Sierra
Bravo (1988) se refiere al universo de trabajo como base de la muestra. Latorre, Rincn y
Arnal (2003) tambin distinguen entre poblacin y universo, haciendo sinnimo a este ultimo
de colectivo o colectivo hipottico. Paralelamente, Lohr (1999) habla de poblacin
muestreada para referirse a la poblacin de la que se extrae la muestra y de poblacin
objetivo, entendida como la coleccin completa de observaciones que deseamos estudiar.
2. MUESTREO.
Habitualmente, el investigador no trabaja con todos los elementos de
la poblacin que estudia sino slo con una parte o fraccin de ella; a veces, por que es muy
grande y no es fcil abarcarla en su totalidad.. Por ello, se elige una muestra representativa y
los datos obtenidos en ella se utilizan para realizar pronsticos en poblaciones futuras de las
mismas caractersticas.
Entre las ventajas que proporciona el muestreo (Latorre, Rincn y Arnal, 2003) suele
sealarse: el ahorro de tiempo en la realizacin de la investigacin, la reduccin de costos y
la posibilidad de mayor profundidad y exactitud en los resultados. Los inconvenientes ms
comunes suelen ser: dificultad de utilizacin de la tcnica de muestreo, una muestra mal
seleccionada o sesgada distorsiona los resultados, las limitaciones propias del tipo de
muestreo y tener que extraer una muestra de poblaciones que poseen pocos individuos con la
caracterstica que hay que estudiar.
Etapas del Proceso Investigador: Poblacin y Muestra. 3
Aunque la razn esencial por la que se muestrea es la imposibilidad de estudiar todos los
sujetos, es un proceso lgico, porque en la prctica no es necesario obtener datos de todos los posibles
sujetos para comprender con exactitud la naturaleza del fenmeno que se estudia, sino que, en general,
se puede alcanzar esa comprensin con una parte de los sujetos. Debido a esto, se pueden aprovechar
las ventajas del muestreo, que son la reduccin del coste de la investigacin en tiempo y en dinero... El
ahorro de tiempo o dinero mediante el muestreo slo es lgico cuando se puede justificar el hecho de
que los datos obtenidos a partir de la muestra proporcionarn una base firme para determinar con
exactitud las caractersticas del fenmeno que se estudia. (Fox, 1981: 367)
Etapas del Proceso Investigador: Poblacin y Muestra. 4
2.1. Muestra. 4
El Diccionario de la Lengua Espaola (RAE, 2001) define la muestra,
en su segunda acepcin, como parte o porcin extrada de un conjunto por mtodos que
permiten considerarla como representativa de l.
... es una parte o subconjunto de una poblacin normalmente seleccionada de tal modo que
ponga de manifiesto las propiedades de la poblacin. Su caracterstica ms importante es la
representatividad, es decir, que sea una parte tpica de la poblacin en la o las caractersticas que son
relevantes para la investigacin. (Jimnez Fernndez, 1983: 237)
... una parte representativa de un conjunto o poblacin debidamente elegida, que se somete a
observacin cientfica en representacin del conjunto, con el propsito de obtener resultados vlidos,
tambin para el universo total investigado. (Sierra Bravo, 1988: 174)
Las muestras presentan evidentes ventajas, respecto del estudio de poblaciones. Con
una muestra relativamente reducida en relacin a la poblacin, se pueden encuestar grandes
poblaciones y ncleos humanos, que de otra manera sera muy difcil o prcticamente
imposible investigar. Suponen una gran economa en las encuestas y la posibilidad de mayor
rapidez en su ejecucin. A veces, ... una muestra puede ofrecer resultados ms precisos que
una encuesta total, aunque est afectada del error que resulta de limitar el todo a una parte.
(Sierra Bravo, 1988: 175)
1 Se considera unidad de muestreo a la unidad, o elementos, con los que confeccionamos la muestra: personas, familias,
centros, empresas...
Etapas del Proceso Investigador: Poblacin y Muestra. 5
muestra. La unidad de muestreo hace referencia a la unidad donde realizamos la muestra, est5
constituida por grupos excluyentes de elementos de la poblacin que completan la misma.
Por ejemplo, podramos desear estudiar a un grupo de personas (una ciudad, una barriada, un
grupo de estudiantes de un determinado nivel educativo, los trabajadores de un sector de
produccin, etc.), pero no tenemos una lista de todos los individuos que pertenecen a la
poblacin. En su lugar las familias, los centros educativos, las empresas... podran servir
como unidades de muestreo. Las unidades de observacin o elementos muestrales seran los
individuos que viven en una familia o que trabajan en una determinada empresa... La lista de
las unidades de muestreo (familias, centros educativos, empresas...) constituyen el marco
de muestreo.
Algunos autores exigen que todos los elementos tengan la misma probabilidad de ser
seleccionados. En la prctica real puede haber diversos grados de probabilidad, lo importante
es que la conozcamos. De hecho si de un listado de papeletas con cien personas
seleccionamos uno, ste tiene 1/100 de posibilidad de ser elegido, el segundo 1/99, y as
sucesivamente... Para que esto no hubiera ocurrido tendramos que haber empleado el
procedimiento que se conoce de obtencin de la muestra con reemplazo, es decir volviendo a
colocar los que salen, para que se mantuviera la proporcin del 1/100. Este ltimo caso puede
tener inters en determinadas circunstancias, pero no en el caso de consultar, por ejemplo,
varias veces a un mismo alumno. Lo importante, para Marn Ibez (1985) es que
conozcamos el grado de probabilidad y, en lo posible, procurar que sea la misma.
Cuando se trata de poblaciones numerosas, por ejemplo la gua telefnica o los censos
electorales, se seleccionan el primer y/o el ltimo nombre de cada pgina o columna. Aunque
es un procedimiento ms rudimentario, por razn de economa y tiempo suele utilizarse.
C) MUESTREO ESTRATIFICADO.
Este muestreo se utiliza cuando la poblacin esta
constituida en estratos o conjuntos de la poblacin homogneos con respecto a la
caracterstica que se estudia. Dentro de cada estrato se puede aplicar el muestreo aleatorio o
sistemtico. Consiste en subdividir la poblacin en subgrupos o estratos con arreglo a la/s
caracterstica/s que se consideren y en elegir la muestra de modo que estn representados los
diferentes estratos.
Por ejemplo, para estudiar las actitudes hacia la poltica de los universitarios
espaoles podemos dividir el total de alumnos en estratos para asegurarnos que estarn
representadas las caractersticas que nos interesan. Posibles estratos podran ser facultades,
titulacin cursada, curso, etc. Suponiendo que se estratifica la poblacin por titulaciones, si
del total de alumnos matriculados en las facultades espaolas seleccionamos a cincuenta de
cada titulacin, el muestreo ha sido estratificado constante. Para esa muestra seleccionamos el
mismo nmero, pero de forma proporcional al nmero de alumnos matriculados en cada
titulacin, estamos ante una muestra estratificada proporcional.
En la pelcula Magic Town, el investigador de opinin pblica interpretado por James Stwart,
descubri un pueblo que tena exactamente las mismas caractersticas que todo Estados Unidos.
Grandview posea exactamente la misma proporcin de personas que votaban por los republicanos, la
misma proporcin de personas bajo la lnea de la pobreza, igual proporcin de mecnicos automotrices,
etctera, que Estados Unidos visto como un todo. El personaje de Stewart slo tena que entrevistar a
las personas de Grandview para saber cul era la opinin pblica en la Unin Americana. (Lohr, 1999:
2-3)
El riesgo radica en que seleccione a personas a quienes resulta ms fcil, por razones
de localizacin. De hecho, cuando se trabaja con entrevistas, hay una resistencia a consultar a
poblacin dispersa en caseros distantes o a la que est en pisos elevados sin ascensor.
Por ltimo, Marn (1985) seala un riesgo muy generalizado, comn al muestreo
probabilstico y no probabilstico, y es el del rechazo a participar en la investigacin. En este
caso no hay ms remedio que sustituir la poblacin que no desea colaborar o a la que no
tenemos acceso por otra de condiciones similares, pero hay que tener mucho cuidado para
evitar el sesgo de la muestra, porque puede ocurrir que precisamente la poblacin no
participante tenga alguna caracterstica por la que no desee contestar, con lo cual queda
excluida de la muestra y comprensiblemente mantendr su rechazo en los nuevos casos que
los sustituyan.
A) MUESTRAS SUPERPUESTAS. 13
Se seleccionan dos muestras distintas obtenidas de la
misma base de la muestra mediante la realizacin de dos sorteos o dos sistemas de muestreo
distintos. Es un procedimiento muy til cuando se quiere lograr una valiosa corroboracin o
verificacin de los resultados obtenidos en una encuesta.
B) MUESTRAS SUCESIVAS.
Cuando interesa conocer la evolucin del fenmeno
estudiado con el paso del tiempo (estudios de mercardo, electorales...), la solucin es repetir
la encuesta a nuevas muestras cada cierto perodo de tiempo.
C) MUESTRAS COMPUESTAS.
Se conoce con este nombre al sistema de muestreo que
comprenden dos o ms muestras distintas, segn las diferentes partes del fenmeno
estudiado. En un estudio que abarque poblacin de hbitats urbanos y rurales, se podra
aplicar un muestreo aleatorio simple para el primero y el de clusters para zonas rurales.
D) MUESTRAS COMPENSADAS.
Esta tcnica es aplicable cuando se conoce el valor
medio que alcanza una de las caractersticas estudiadas en el universo, por ejemplo, la talla, el
peso, etc. Una vez obtenida la muestra, sera poco probable que su media coincidiera con la
de la poblacin. La compensacin consiste en sustituir unidades de la muestra por otras
nuevas elegidas tambin al azar, en el caso de que sus valores acerquen ms la media de la
muestra a la del universo.
E) MUESTRAS DE VOLUNTARIOS.
En algunas investigaciones el autor se ve obligado a
pedir voluntarios que quieran participar en su estudio, dado que por razones ticas o morales
no pueden utilizar ninguno de los dems procedimientos. Estas muestras presentan ciertos
sesgos y suelen presentar determinadas caractersticas, como por ejemplo: son sujetos con un
mayor nivel cultural, tienen mejor estatus social, suelen ser ms inteligentes, son ms
sociables, son menos convencionales, son menos conformistas, etc.
4. REPRESENTATIVIDAD DE LA MUESTRA.
Uno de los problemas fundamentales
que se le plantea al investigador en relacin con el muestreo consiste en saber si el grupo
elegido es verdaderamente representativo del conjunto; para que lo sea, los rasgos de los
elementos o individuos elegidos para la muestra deben ser similares a los de toda la poblacin
(Marn Ibez, 1985).
que nos permitir generalizar a la poblacin los resultados obtenidos en la muestra. (Latorre, Rincn14
y
Arnal, 2003: 82)
en esta etapa del muestreo. Una prueba de significacin adecuada entre estas dos muestras 15
(aceptante y final) servira para ver si difieren significativamente en algunas de las variables
bsicas o si, por el contrario, la muestra productora de datos sigue siendo representativa de la
muestra aceptante, lo que demuestra que esa/s caracterstica/s no han sido consideradas para
no participar.
5. TAMAO DE LA MUESTRA.
El tamao de la muestra, un tema que siempre
preocupa, no tiene fcil solucin y va estrechamente unido a la representatividad. En
principio hay que rechazar la idea, demasiado extendida, de que la muestra debe ser
proporcional a la poblacin. De hecho, a medida que aumenta sta, con una menor
proporcin podemos alcanzar la representatividad. No obstante, en igualdad de otras
condiciones, los estadsticos calculados con muestras grandes son ms precisos que los
calculados con muestras pequeas, pero una muestra representativa de 50 elementos es
preferible a otra no representativa de 100 (Jimnez Fernndez, 1983).
16
El tipo de datos que se desea recoger y el medio que para ello se va a emplear son
condicionantes que influyen en la menor o mayor reduccin de la muestra seleccionada
(Jimnez Fernndez, 1983). No es igual seleccionar, por ejemplo, aulas ya organizadas y
recoger la informacin en das y horas lectivos que hacerlo a travs de un cuestionario
enviado por correo.
Etapas del Proceso Investigador: Poblacin y Muestra. 17
El nivel de confianza que queramos que alcancen nuestros resultados tambin influye
en el tamao que debamos dar a la muestra. Entre +2 y -2 sigmas de la curva de distribucin
normal de Gauss4, a partir de la media, est incluido el 95.5% de la poblacin. Esto quiere
decir que tenemos una probabilidad de que 955/1000 coincidan con los de la poblacin total.
Si queremos alcanzar una mayor certidumbre hemos de abarcar entre +3 y -3 sigmas, en cuyo
caso el riesgo de que exista diferencia entre los estadsticos de la muestra y los parmetros de
la poblacin sean distintos ser de 997/100, pero naturalmente tendremos que elevar el
numero de elementos de la muestra. Para determinar el volumen de la muestra, de acuerdo
con el nivel de confianza, existen tablas. Bugeda (1974) recoge tablas que permiten
determinar el volumen de la muestra y el nivel de estimacin para los niveles de confianza
del 99.7% y del 95%.
Conociendo el nivel 18 de
confianza que queremos que alcancen los datos se puede aplicar una ecuacin matemtica
para estimar el tamao de la muestra5. Segn se trate de poblaciones infinitas o finitas, la
determinacin variar, segn las siguientes ecuaciones:
32*50*50
N = ------------------- = 5625 elementos.
22
5 Frecuentemente se opta por un nivel de confianza del 95% 99.7%, y un error de estimacin mximo del un 5%
6 Se consideran muestras infinitas las que superan los 100.000 elementos.
Etapas del Proceso Investigador: Poblacin y Muestra. 19
4 * 50 * 50 * 60.000
N = ---------------------------------- = 1091 individuos.
9 (60.000-1) + 4 * 50 * 50
Como conclusin de este apartado hemos de sealar que las frmulas anteriores
varan con el tipo de muestreo y con el sistema de afijacin de la muestra (Sierra Bravo,
1988: 226)
por razones econmicas en el caso de que con su empleo se pueda reducir sensiblemente, por 20
tener una varianza ms reducida, el tamao de estratos que resulte ms caro investigar. (Sierra
Bravo, 1988)
6. ERROR MUESTRAL
Cuando se extrae una muestra de una poblacin es frecuente
que los resultados obtenidos de la muestra no sean exactamente los valores reales de la
poblacin. El error de muestreo ocurre al estudiar una muestra en lugar de la poblacin total.
La diferencia entre el valor del parmetro de una poblacin y el estadstico de una muestra
recibe el nombre de error muestral.
Tomando estos referentes, el error muestral o error tpico7, sera la desviacin tpica
7 El error tpico se define en estadstica como la desviacin tpica de la distribucin muestral de un estadstico. (Jimnez
Fernndez, 1983)
Etapas del Proceso Investigador: Poblacin y Muestra. 21
de las distintas medias obtenidas alrededor de la media de la poblacin, suele designarse por
21
F y mide la importancia de las variaciones de las o medias muestrales en torno a la de la
poblacin. La frmula que expresa esta relacin es:
s F = desviacin tpica de la muestra
e = ---------- e= error tpico de la media o error muestral.
/n n = tamao de la muestra.
Los errores muestrales son debidos a dos causas principales. El primero, denominado
error de sesgo, es debido a que la muestra no es representativa de la poblacin; el segundo,
debido al azar, se conoce como error aleatorio. Ambos se relacionan matemticamente
mediante la siguiente expresin:
b) Tcnica del jakknife (navaja), que consiste en cortar la muestra en varias partes no
mutuamente excluyentes, es decir, con reposicin.
c) Replicacin repetida balanceada.
Las frmulas generales que nos permiten estimar el error muestral son:
s
e = ---------- p (1 p )
/n e
n
Estas frmulas generales presentan modalidades diversas segn se trate de muestras
con desviacin tpica o muestras con proporciones, o poblaciones finitas / infinitas:
De intervalo: s 2
s2 N n
e e
n n N 1
p * q N n
e
n N 1
p * q
e
n
Etapas del Proceso Investigador: Poblacin y Muestra. 22
De proporciones: 22
s2 = varianza (cuadrado de la desviacin tpica) N = el tamao de la poblacin
n = tamao de la muestra. (N-n/ N-1) trmino de correccin utilizado para poblaciones
finitas y muestras sin reemplazamiento.
p = proporcin de elementos que posee la caracterstica investigada: (q = 1 - p)
Nota: Al numerador [s2] o al [p * q] hay que multiplicarlos por el cuadrado de nivel de confianza elegido: 2 2 32 para 2 3
F (sigmas), respectivamente.
En el caso de medias:
e
( n isi ) 2
n2
6.3 Factores que intervienen en el error muestral.
De acuerdo con las
expresiones matemticas que calculan el error muestral, los factores que intervienen en l son
(Sierra Bravo, 1988: 209):
s2 m
e (1 )
m N
Etapas del Proceso Investigador: Poblacin y Muestra. 23
23
A) La amplitud del universo, finito o infinito.
B) El tamao, n, de la muestra.
C) El nivel de confianza adoptado.
D) La desviacin tpica.
El tamao de la muestra es, en las frmulas del error muestral, un dato que nos dan o
elegimos. No obstante, si al calcular el error ste resulta demasiado elevado -por ejemplo,
superior al 6%-, entonces estamos obligado a aumentar el tamao de la muestra para reducir
el error. Hay una relacin inversa entre tamao de la muestra y error muestral.
El nivel de confianza adoptado es tambin otro dato que nos puede venir dado o que
podemos elegir. Las pruebas empricas realizadas muestran que las distribucin muestral de
medias de diferentes muestras se ajusta generalmente a una distribucin normal o curva de
Gauss. Supuesto esto, el nivel de confianza ser la proporcin de las medias muestrales que
forman el rea de esta curva de distribucin normal del universo que se piensa abarcar. El
rea abarcada por 1 sigma (68%), por 2 (95.5%) por 3 (99.7), que nosotros
adoptemos, recibe el nombre de nivel de confianza, porque representa el % de seguridad o
probabilidad que elegimos. Es decir, que de las medias de todas las muestras posibles que
forman en su conjunto la curva muestral, slo consideramos como probables el 95.5%, por
ejemplo, por lo que prescindimos del otro 4.5%, por estimar que es muy improbable su
obtencin, y por creer que el indicativo 95.5% nos proporciona una seguridad no total pero
suficiente en la prctica. En consecuencia, con esta eleccin adoptamos un riesgo razonable
de equivocarnos.
Respecto a la desviacin tpica hay que distinguir las muestras referentes a variables
cuantitativas (con escalas de intervalos o de razn), de las que se refieren a variables
cualitativas (con escalas nominales u ordinales, de las que son tipo la variables dicotmicas
del tipo S/No)
Los datos obtenidos por una u otra frmula se refieren a la varianza del universo a la
que representan. Cuando sta no es conocida, como suele ocurrir, se utiliza en su lugar la
(xi x )2 n i
s i
p * (1 p )
n 1
Etapas del Proceso Investigador: Poblacin y Muestra. 24
Para Bugeda (1974; en Sierra Bravo, 1988: 213) las principales vas de penetracin
del error sistemtico o de distorsin son las siguientes:
Etapas del Proceso Investigador: Poblacin y Muestra. 25
25
1. Modo de eleccin defectuoso de una muestra que hace que sta no sea
representativa.
2. La dependencia del mtodo de muestreo de una caracterstica de las unidades
del universo a elegir. Ello puede llevar a una hiper/sub-representatividad de la
muestra. Este sera el caso de un muestreo aleatorio sistemtico realizado cada cinco
elementos, cuando en la base de la muestra tambin uno de cada cinco son individuos
con una caracterstica determinada.
3. Las tendencias subjetivas conscientes o inconscientes del investigador.
4. Sustituciones, segn criterio propio del investigador, de unidades de la
muestra que haban sido elegidas al azar.
5. Insuficiente observacin del conjunto de la muestra, que lleva a atenerse a los
primeros resultados. Respecto de este motivo, especialmente presente en las encuestas
por cuestionario escrito, se ha constatado que los que contestan primero son los ms
interesados en la encuesta. Por ello, en las encuestas por correo se estima necesario
reiterarlas hasta tres veces, pues de otro modo ademas de quedar modificado el
tamao de la muestra, la encuesta slo abarcara un tipo de gente, los rpidos en
contestar, y quedaran fuera los menos rpidos, que seguramente constituyen un grupo
de caractersticas diferentes de los primeros.
7. BIBLIOGRAFA.
BUENDA EISMAN, L.; COLS BRAVO, M.P. y HERNNDEZ PINA, F. (1998): Mtodos
de investigacin en Psicopedagoga. McGraw-Hill, Madrid.
BUGEDA, J. (1974): Manual de tcnicas de investigacin social. Instituto de Estudios
Polticos, Madrid.
FOX, D. J. (1981): El proceso de investigacin en Educacin. Eunsa, Pamplona.
GARCA HOZ, V. y PREZ JUSTE, R. (1984): La investigacin del profesor en el aula.
Etapas del Proceso Investigador: Poblacin y Muestra. 26
Esquema:
Etapas del Proceso Investigador: Poblacin y Muestra. 27
27
POBLACIN Y MUESTRA.
Etapas del Proceso Investigador: Poblacin y Muestra. 28
28
1. Poblacin y Universo.
2. Muestreo.
2.1. Muestra.
2.2. Etapas del proceso de muestreo.
2.3. Condiciones que ha de cumplir la muestra.
B) Aleatorio sistemtico. 29
C) Muestreo estratificado.
S M. estratificado proporcional
S M. estratificado constante.
D) Muestreo por conglomerados o grupos.
E) Muestreo por etapas o polietpico.
3.2. Muestreo no probabilstico.
Etapas del Proceso Investigador: Poblacin y Muestra. 30
30
A) Accidental o casual.
B) Intencional u opinativo.
C) Muestreo por cuotas.
3.3 Otros tipos de muestreo.
B) Muestras superpuestas.
C) M. sucesivas.
D) M. compuestas.
E) M. compensadas.
F) M. de voluntarios.
Etapas del Proceso Investigador: Poblacin y Muestra. 31
4. Representavidad de la muestra. 31
5. Tamao de la muestra.
5.1 Determinacin estadstica del tamao de la muestra.
5.2 Afijacin de la muestra.
6. Error muestral.
6.1 Fundamento estadstico del error muestral.
6.2 Estimacin del error muestral en las muestras estratificadas y de clusters.
6.3 Factores que intervienen en el error muestral.
6.4 Error sistemtico.
7. Bibliografa.
Toms Garca Muoz.
Almendralejo, 2005