Etapas del Proceso Investigador: Poblacin y Muestra.

1

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, s
2
, r...,
media, varianza, coeficiente de correlacin) y describen a las citadas muestras.

Se define tradicionalmente la poblacin como el conjunto de todos los individuos
(objetos, personas, eventos, etc.) en los que se desea estudiar el fenmeno. stos deben
reunir las caractersticas de lo que es objeto de estudio (Latorre, Rincn y Arnal, 2003). El
individuo, en esta acepcin, hace referencia a cada uno de los elementos de los que se obtiene
la informacin. Los individuos pueden ser personas, objetos o acontecimientos.

Hoy se prefiere hablar de unidad de observacin o elemento para referirse al
objeto sobre el cual se realiza una medicin. En los estudios con poblaciones humanas, con
frecuencia ocurre que la unidad de observacin son los individuos.



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.

Los manuales clsicos de epistemologa suelen definir la poblacin como el
conjunto de todas las medidas o personas de un cierto tipo, y la hacen sinnima del concepto
ms antiguo de universo (Jimnez Fernndez, 1983; Sierra Bravo, 1988; Gil Pascual, 2004).
Otros autores distinguen entre universo y poblacin (Fox, 1981; Marn Ibez, 1985;
Buenda, Cols y Hernndez, 1998; Latorre, Rincn y Arnal, 2003). Estos autores consideran
que el investigador casi nunca, o nunca, tiene acceso a todas las posibles medidas, elementos
o personas y, por tanto, utilizan el trmino universo para designar esa entidad que lo incluye
todo, reservando el concepto de poblacin a la parte del universo de la que se selecciona la
muestra y sobre la que deseamos hacer inferencia o aplicacin de las generalizaciones que
obtengamos de la investigacin.

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.

La definicin de la poblacin es una parte importante, y con frecuencia difcil, del
estudio. Lohr, (1999: 3) advierte: Por ejemplo, en una encuesta poltica, la poblacin
objetivo deberan ser todos los adultos que pueden votar? Todos los votantes registrados?
Todas las personas que votaron en la ltima eleccin?. En cualquier caso, la eleccin de
esta poblacin objetivo afectar profundamente al resultado de la investigacin



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.

Salvo en el caso de poblaciones pequeas, pocas veces en una investigacin se cuenta
con el tiempo, los recursos y los medios para estudiar una poblacin completa. A veces ni
siquiera podemos delimitar exactamente una poblacin, otras veces la poblacin total an no
existe como sucede en los estudios sobre prediccin Estos motivos de tiempo, coste,
accesibilidad a los individuos y complejidad de las operaciones de recogida, clasificacin y
anlisis de los datos hacen que la gran mayora de los proyectos de investigacin no estudien
ms que una parte representativa de la poblacin, denominada muestra. Esto se puede hacer
as porque, si se selecciona correctamente la muestra, sta puede aportarnos informacin
representativa y exacta de toda la poblacin.

Se conoce con el nombre de muestreo al proceso de extraccin de una muestra a partir
de la poblacin. El proceso esencial del muestreo consiste en identificar la poblacin que
estar representada en el estudio.

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.

La importancia del muestreo radica en que no es necesario trabajar con los N
Etapas del Proceso Investigador: Poblacin y Muestra.

3
elementos de una poblacin para comprender con un nivel razonable de exactitud la
naturaleza del fenmeno estudiado. Este conocimiento se puede obtener a partir de una
muestra que se considere representativa de aquella poblacin.

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)


2.1. Muestra.
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.

En el terreno epistemolgico, Jimnez Fernndez (1983) destaca la condicin de
representatividad que ha de tener la muestra:

... 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)

Sierra Bravo hace hincapi en la generalizacin de resultados:

... 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)

Latorre, Rincn y Arnal ponen especial nfasis en la metodologa del muestreo:

Conjunto de casos extrados de una poblacin, seleccionados por algn mtodo de muestreo.
(Latorre, Rincn y Arnal, 2003: 78)

Las muestras tienen un fundamento matemtico estadstico. ste consiste en que
obtenidos unos determinados resultados, de una muestra elegida correctamente y en
proporcin adecuada, se puede hacer la inferencia o generalizacin fundada matemticamente
de que dichos resultados son vlidos para la poblacin de la que se ha extrado la muestra,
dentro de unos limites de error y probabilidad, que se pueden determinar estadsticamente en
cada caso.

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.
Etapas del Proceso Investigador: Poblacin y Muestra.


4
4
(Sierra Bravo, 1988: 175)

La seleccin correcta de la muestra implica crear una que represente a la poblacin
con la mayor fidelidad posible. Esto conlleva utilizar unas tcnicas especficas de seleccin
de la muestra, as como la necesidad de determinar su tamao ptimo.

En este proceso de seleccin hemos de distinguir entre elemento muestral, unidad
de muestreo
1
y marco de muestreo. El elemento o individuo (muestral) es un objeto en el
cual se toman las mediciones, la unidad ms pequea en que podemos descomponer la
muestra. La unidad de muestreo hace referencia a la unidad donde realizamos la muestra, est
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.


2.2 Etapas del proceso de muestreo.
Fox (1981: 367-369) seala cinco etapas
en el proceso de muestreo:
1) Definicin o seleccin del universo o especificacin de los posibles sujetos o
elementos de un determinado tipo;
2) Determinacin de la poblacin o parte de ella a la que el investigador tiene
acceso;
3) Seleccin de la muestra invitada o conjunto de elementos de la poblacin a los
que se pide que participen en la investigacin;
4) Muestra aceptante o parte de la muestra invitada que acepta participar;
5) Muestra productora de datos; la parte que acept y que realmente produce
datos.


2.3. Condiciones que ha de cumplir la muestra.
Las condiciones fundamentales
que ha de cumplir una muestra son, para Sierra Bravo, cuatro:

1. Que comprendan parte del universo
2
y no la totalidad de ste.
2. Que su amplitud sea estadsticamente proporcionada a la magnitud del universo. Esta
condicin se halla en relacin con el punto prctico de determinacin del tamao de la
muestra y sirve para decidir si, segn las unidades que comprende respecto al universo, una

1
Se considera unidad de muestreo a la unidad, o elementos, con los que confeccionamos la muestra: personas, familias,
centros, empresas...
2
Para Sierra Bravo poblacin y universo son sinnimos.
Etapas del Proceso Investigador: Poblacin y Muestra.


5
5
muestra es o no admisible.
3. La ausencia de distorsin en la eleccin de los elementos de la muestra. Si esta eleccin
presenta alguna anomala, la muestra resultar por este mismo hecho viciada.
4. Que sea representativa o reflejo fiel del universo, de tal modo que reproduzca sus
caractersticas bsicas en orden a la investigacin. Esto quiere decir que si hay sectores
diferenciados en la poblacin que se supone ofrecen caractersticas especiales, a efectos de los
objetivos de la investigacin, la muestra tambin deber comprenderlos y precisamente en la
misma proporcin, es decir, deber estar estratificada como el universo. (Sierra Bravo, 1988:
175)

Para cumplir estas condiciones es necesario aplicar unas determinadas tcnicas de
seleccin de la muestra que garanticen su representatividad, determinar el tamao ptimo de
la muestra y tener en cuenta el error muestral. En los apartados siguientes desarrollaremos
estos aspectos.



3 TIPOS O TCNICAS DE MUESTREO.
Aunque no existe una nica forma de
clasificar las tcnicas de muestreo, es frecuente clasificarlas en probabilsticas y no
probabilsticas.

3.1 Muestreo probabilstico.
Conocido tambin como muestreo de seleccin
aleatoria, utiliza el azar como instrumento de seleccin, pudindose calcular de antemano la
probabilidad de que cada elemento sea incluido en la muestra. Para Marn Ibaez (1985) este
tipo de muestreo es el que alcanza mayor rigor cientfico, y se caracteriza porque se cumple
el principio de la equiprobabilidad, segn el cual todos los elementos de la poblacin tienen
la misma probabilidad de salir elegidos en una muestra.

El muestreo por azar o probabilstico presenta varias modalidades:

A) MUESTREO ALEATORIO SIMPLE.
Es la modalidad de muestreo ms conocida y que
alcanza mayor rigor cientfico. Garantiza la equiprobabilidad de eleccin de cualquier
elemento y la independencia de seleccin de cualquier otro. En este procedimiento se extraen
al azar un nmero determinado de elementos, n, del conjunto mayor N o poblacin,
procediendo segn la siguiente secuencia: a) definir la poblacin, confeccionar una lista de
todos los elementos, asignndoles nmeros consecutivos desde 1 hasta n; b) la unidad de
base de la muestra debe ser la misma; c) definir el tamao de la muestra, y d) extraer al azar
los elementos.

La muestra quedar formada por los n elementos obtenidos mediante sorteo de la
poblacin. Los procedimientos ms comunes de extraccin de los elementos en este tipo de
muestreo son: las tablas de nmeros aleatorios, incluidas en los manuales de estadstica; los
clsicos sistemas de lotera y otros procedimientos de extraccin al azar, incluidos las
aplicaciones informticas.

Etapas del Proceso Investigador: Poblacin y Muestra.


6
6
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.

La sencillez del procedimiento se complica cuando la poblacin es muy grande y las
ayudas mecanizadas no siempre se pueden o se deben utilizar. Pensemos la dificultad que
tendra, por este procedimiento, obtener una muestra de la poblacin de Madrid.

B) MUESTREO ALEATORIO SISTEMTICO.
El empleo de muestras sistemticas
consiste en una variante del anterior tipo de muestreo. Primero se calcula I (frecuencia de
los casos) mediante la frmula I= N/n. Despus se elige un nmero menor o igual que I, es
decir, que cumpla la condicin: 1#a#I. Por ltimo se seleccionan los nmeros en la tabla de
nmero aleatorios, que sern: a, a+I, a+2I, a +3I, etc.

Si tenemos la poblacin a estudiar, previamente inscrita en unas listas numeradas,
obtenida la frecuencia de los casos iremos eligiendo saltando los nmeros que indique la
frecuencia. Si queremos obtener una muestra de 20 sobre una poblacin de 100 (I = 100/20 =
5), podramos partir el muestreo del n 5, el 10, el 15; o el 3, 8, 13... El primer elemento (a)
suele elegirse al azar usando las tablas de probabilidad y, a continuacin, se le suma la
frecuencia. Si el azar hizo que se partiera de un elemento de la lista mayor que I, al llegar a
N, se vuelve al principio de la lista hasta completar n casos.

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.

La eleccin sistemtica partiendo de listas es vlida si el orden no ha sido establecido
teniendo en cuenta la caracterstica que estudiamos. No pueden servir, por ejemplo, listas en
orden de calificaciones acadmicas si sta es una de las variables de investigacin.

Un peligro de este mtodo es el que se den periodicidades en la poblacin que anulen
la representatividad de la muestra. Supongamos que I = 10 y trabajamos con empleados de
una empresa agrupados en Departamentos en los que el personal est listado segn categoras
profesionales, por este orden: 1 directivo, 14 profesionales especializados, 5 administrativos.
Al elegir la muestra por este mtodo, sta quedar sesgada porque elegir siempre, por
ejemplo, un directivo por cada departamento o bien porque no lo elegir nunca.

Este procedimiento es ms rpido que el anterior, sobre todo si la poblacin es
Etapas del Proceso Investigador: Poblacin y Muestra.


7
7
numerosa y est previamente ordenada. Es muy utilizado en los sondeos de opinin y de
puerta a puerta. A los entrevistadores se les indica que paren a cada I personas o llamen a
cada I puertas.

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.

Para la obtencin de la muestra estratificada se siguen los siguientes pasos: a) se
divide la poblacin en estratos; b) de cada estrato se extrae una muestra por algn
procedimiento de muestreo; c) el nmero de individuos de cada estrato se puede decidir por
paridad o proporcionalidad; y d) la suma de las muestras de cada estrato forman la muestra
total n. (Latorre, Rincn y Arnal, 2003)

Dentro del muestreo estratificado suele distinguirse:

SMuestreo estratificado constante. En este caso, tambin conocido como
afijacin simple
3
, la muestra se obtiene seleccionando un nmero igual de
individuos de cada estrato en que se ha dividido la poblacin, con
independencia del tamao y variabilidad de los mismos dentro de la poblacin.

S M. Estratificado proporcional. En este caso se selecciona de cada estrato un
nmero de elementos proporcional a su tamao en el conjunto de la poblacin
(afijacin proporcional). Jimnez Fernndez (1983) considera que un criterio
ms til para fijar la proporcin de la muestra es atender a la variabilidad de
los estratos en la caracterstica que interesa (afijacin ptima). Si sus varianzas
son aproximadamente homogneas, el muestreo estratificado proporcional es
el aconsejado; si por el contrario difieren mucho entre s, debe tomarse un
porcentaje mayor de elementos de los estratos que mayor varianza
experimentan.

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.


3
Cfr. apdo. 5.2 de este captulo.
Etapas del Proceso Investigador: Poblacin y Muestra.


8
8
MUESTREO POR CONGLOMERADOS (CLUSTERS) O GRUPOS.
El muestreo individual
resulta muchas veces inaplicable y hay que recurrir no a los elementos, sino a seleccionar por
el sistema del azar determinados colectivos. Podramos hacer una encuesta, por ejemplo,
mediante el sistema de muestreo aleatorio simple, a todos los alumnos de Bachillerato de una
determinada ciudad. Las complicaciones y dificultades seran mucho menores estableciendo
una muestra al azar que tomara como unidades base del muestreo las aulas. La muestra de
grupos o racimos tambin se denomina conglomerados o clusters, en terminologa sajona.
Este tipo de muestreo se utiliza cuando los individuos de la poblacin constituyen grupos
naturales o conglomerados (distrito, centros escolares, aulas, empresas, etc.)

En el muestreo por grupos el proceso sigue estos pasos: la poblacin se divide
previamente en grupos o conglomerados que contienen diversos elementos y, a continuacin,
se seleccionan aleatoriamente el nmero de conglomerados y se trabaja con el total de
elementos pertenecientes a los conglomerados elegidos. La unidad muestral es el
conglomerado (cluster) o grupo y el proceso de seleccin aleatoria se aplica a la seleccin de
stos y no a los elementos menores que componen el conglomerado.

Una ventaja de esta tcnica de muestreo radica en que no es necesario identificar ni
tener un listado de todos los elementos de la poblacin para seleccionarlos aleatoriamente,
sino que despus de seleccionados los conglomerados, se procede a elaborar dicho listado
slo para los elementos que componen los conglomerados elegidos.


D) MUESTREO POR ETAPAS O POLIETPICO.
Relacionado con el tipo anterior. Se
procede dividiendo la poblacin en varios conglomerados y se selecciona un nmero de ellos,
que constituyen las unidades muestrales primarias. En una segunda etapa se obtiene una
submuestra a partir de las anteriores, que constituyen las unidades muestrales secundarias, y
as sucesivamente. Se submuestrean las unidades anteriores hasta llegar a la muestra final.

El proceso sigue una secuencia de etapas de seleccin de unidades muestrales de
mayor rango a otras de menor, hasta llegar a los individuos o elementos que constituyen la
muestra: Comunidad Autnoma, distrito escolar, centros, aulas, alumnos. Este tipo de
muestreo slo necesita conocer los individuos que integran los conglomerados de la ltima
etapa. En cada etapa puede aplicarse un muestreo aleatorio.



3.2 Muestreo no probabilstico.
En estas tcnicas no se utiliza el muestreo al azar
sino que la muestra se obtiene atendiendo al criterio o criterios del investigador o bien por
razones de economa, comodidad, etc. Consecuentemente, estas tcnicas no utilizan el criterio
de equiprobabilidad, sino que siguen otros criterios, procurando que la muestra obtenida sea
lo ms representativa posible. Estas muestras, al no utilizar el muestreo al azar, no tienen la
garanta de las muestras probabilsticas, pero en la prctica son a menudo necesarias e
inevitables, en opinin de Kerlinger (1975). Dentro de este tipo de muestreo se suele
Etapas del Proceso Investigador: Poblacin y Muestra.


9
9
distinguir entre muestreo accidental, intencional o deliberado y por cuotas.


A) MUESTREO ACCIDENTAL O CASUAL.
Este tipo de muestreo se caracteriza por utilizar
las muestras que tiene a su alcance. Se denominan accidentales porque no responden a una
planificacin previa en cuanto a los sujetos a elegir. De hecho, toma las muestras disponibles
sin introducir seleccin o modificacin alguna. Por ejemplo, empresas, centros completos,
cursos o grupos dentro de un nivel, etc.

El criterio de seleccin de los individuos depende de la posibilidad de acceder a ellos.
Es frecuente utilizar sujetos que las condiciones nos permiten (muestras que proporcionan
los amigos). Por ejemplo, entrevistar a la salida del metro, o a las personas que pasan por un
calle.

Desde el punto de vista de la investigacin este tipo de muestreo es ms dbil. No
obstante, puede usarse en estudios exploratorios cuando no se disponen de otras, cuidando
mucho el anlisis y la interpretacin de resultados.

B) MUESTREO INTENCIONAL U OPINATIVO.
En esta tcnica, el investigador selecciona
de modo directo los elementos de la muestra que desea participen en su estudio. Se eligen los
individuos o elementos que se estima que son representativos o tpicos de la poblacin. Se
sigue un criterio establecido por el experto o investigador. Se suelen seleccionar los sujetos
que se estima que pueden facilitar la informacin necesaria.

Este mtodo, que Jimnez Fernndez (1983) califica de deliberado, se justifica
cuando se quieren estudiar elementos excepcionales de cierta poblacin, ya que la forma de
asegurarse de que se incluirn en dicho estudio, es elegirlos intencionalmente. No dudando de
su utilidad, se presta a crticas porque las muestras obtenidas resultan inevitablemente
sesgadas en el sentido del criterio que se ha usado para seleccionarla.

En estas muestras opinticas (Latorre, Rincn y Arnal; 2003), buscamos
deliberadamente los elementos de la muestra porque nos parece que pueden facilitarnos una
informacin ms vlida. Si queremos datos sobre la poblacin delincuente ser interesante
recurrir a los servicios policiales, a los centros penitenciarios o de rehabilitacin social o a los
propios reclusos, que no son naturalmente toda la poblacin delincuente. Hay que convenir
con Marn (1985) que no todas las opiniones son igualmente cualificadas, y cuando nos
interesa una informacin ms vlida, la experiencia y la preparacin pueden inducirnos a
seleccionar deliberadamente la muestra de acuerdo con unas caractersticas no aleatorias.

Hay muestras intencionadas que parten de elementos tpicos o representativos a los
que ya pblicamente se les ha reconocido tal rango. En Espaa, en las Elecciones Generales
se sabe que el escrutinio de apenas ocho decenas de mesas electorales, ya determinadas,
tienen un valor extrapolable al resultado global de las citadas elecciones. Este tipo de
muestras han sido ampliamente divulgado por los medios de comunicacin:

Etapas del Proceso Investigador: Poblacin y Muestra.


10
10
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)

C) MUESTREO POR CUOTAS.
El sistema de cuotas consiste en fijar unas cuotas.
Cada cuota consiste en un nmero de elementos que renen unas determinadas condiciones.
La seleccin de las cuotas suele hacerse mediante rutas o itinerarios.

En este procedimiento se parte de una muestra estratificada cuyas proporciones debe
conservar el investigador, pero cada uno de los casos queda a su arbitrio elegirlos.

Supongamos que queremos averiguar el nivel cultural de unos determinados
profesionales de un rea geogrfica o de un sector productivo. Como el sexo, la edad y el
lugar de residencia, parecen factores condicionantes, deberemos establecer que haya un 50%
de varones y de mujeres, un tanto por ciento aproximado por grupos de edad
correspondientes a la poblacin real y as mismo procuraremos que haya el mismo tanto por
ciento en la muestra que en la realidad de quienes viven en poblaciones de menos de 2.000
habitantes,de 2.001 a 5.000 habitantes, etc. El investigador ha fijado n para la muestra y
elige libremente los individuos hasta alcanzar esa cifra.

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.



3.3 Otros tipos de muestreo.
Sierra Bravo (1988: 197 ss.) presenta otros mtodos
menos utilizados.

A) MUESTRAS SUPERPUESTAS.
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
Etapas del Proceso Investigador: Poblacin y Muestra.


11
11
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).

La representatividad es la caracterstica ms importante de una muestra. El muestreo
adquiere todo su sentido en cuanto que garantiza que las caractersticas que se quieren
observar en la poblacin quedan reflejadas adecuadamente en la muestra. Generalizar a la
poblacin a partir de la muestra slo est justificado si sta representa realmente a la
poblacin.
Preservar la representatividad es el atributo ms importante que debe reunir el muestreo, lo
que nos permitir generalizar a la poblacin los resultados obtenidos en la muestra. (Latorre, Rincn y
Arnal, 2003: 82)

Etapas del Proceso Investigador: Poblacin y Muestra.


12
12
Fox (1981) seala que para lograr la representatividad se requiere: 1. Conocer qu
caractersticas (variables) estn relacionadas con el problema que se estudia; 2. Capacidad
para medir esas variables, y 3. Poseer datos de la poblacin sobre estas caractersticas o
variables para usarlos como variable de comparacin. El mismo autor seala que si no se
cumple alguna de estas condiciones, para algunas de las caractersticas, se pierde la capacidad
de buscar deliberadamente la representatividad en cuanto a ella.

La seleccin aleatoria de la muestra garantiza la ausencia de sesgo en el proceso de
seleccin de la misma, ayuda a garantizar su representatividad, pero esta circunstancia no es
garanta total para que estemos seguros de que la muestra al azar es representativa de la
poblacin de la que se ha extrado (Kerlinger, 1985). Se espera que sea representativa de las
caractersticas relevantes de la poblacin, pero pudiera no serlo. Lo normal es que lo sea, ya
que lo tpico, lo representativo de la poblacin, es lo que aparece con ms frecuencia, pero no
hay seguridad total. El muestreo estratificado proporcional asegura, en cambio, la
representatividad en cuanto a una o dos caractersticas (Jimnez Fernndez, 1983).

Para Fox (1981) otra forma de analizar el problema de la representatividad de la
muestra consiste en distinguir entre la muestra invitada, la muestra aceptante y la muestra
productora de datos. La primera corresponde al conjunto de individuos invitados del
conjunto de la poblacin, la segunda hace referencia al grupo de individuos que aceptan
participar y la muestra productora de datos coincide con la muestra real del estudio.

Si se poseen datos sobre la poblacin se pueden comparar con ellos la muestra
invitada y/o la aceptante y, mediante algn contraste de significacin adecuado (por ejemplo
chi-cuadrado), determinar si difieren de ella en las caractersticas que interesa en una
investigacin dada. Si el contraste indica que no hay diferencias significativas en las variables
consideradas, se puede admitir la representatividad de la muestra para las caractersticas en
cuestin, pero nada se puede afirmar sobre la representatividad de la muestra respecto de
cualquier otra variable

Si, por el contrario, no se ha logrado representatividad en una o varias variables, el
investigador tiene dos opciones: a) trabajar con la muestra no representativa y contar con ese
lmite; b) seleccionar ms elementos de la poblacin, con la esperanza de que una muestra
mayor s sea representativa, aunque el estudio tenga una muestra mayor de buscada
inicialmente.

Para realizar el contraste de representatividad de las muestras respecto de la
poblacin, hemos supuesto que se tienen datos sobre ella. Si no se tuvieran datos de la
poblacin, no se puede realizar el contraste de la muestra invitada y/o aceptante con respecto
a la poblacin. Entonces se recurre a contrastar la muestra aceptante con la invitada. Sobre la
muestra productora de datos siempre posee valores el investigador, ya que su referente
comparativo es la muestra aceptante. Un informe sobre los elementos que se negaron a
participar, de los que aceptaron participar pero luego no pudieron y de los que aceptando, en
un primer momento, se negaron a hacerlo al conocer ms profundamente la investigacin;
orientar al investigador y al destinatario de la investigacin sobre la posibilidades de sesgo
en esta etapa del muestreo. Una prueba de significacin adecuada entre estas dos muestras
Etapas del Proceso Investigador: Poblacin y Muestra.


13
13
(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.

Por ltimo, es necesario preguntarse qu prdida puede tolerarse desde la seleccin de
la muestra inicial hasta llegar a la que proporciona los datos. Al mismo tiempo, hay que tener
en cuenta que se tiene constancia probada de que las personas que no responden tienen
opiniones o patrones de conducta distintos de las que responden; y que el porcentaje de la
prdida tambin depende, para su representatividad, de cmo se distribuyan las respuestas en
la diferentes categoras de la variable. No es igual un 48% de s y un 52% de no ante
determinada pregunta que un 16% y un 84% (Jimnez Fernndez, 1983: 249). En cualquier
caso, no existe una nica respuesta cuantitativa. Se suele considerar que una prdida del 25%
debe preocupar, an cuando no existan diferencias estadsticamente significativas; cuando
sea inferior al 50% se debe leer y escribir con cuidado; y cuando la proporcin es menor
del 40% no se deberan dar a conocer los datos, ni considerarlos como conclusiones vlidas.
Son tiles como estudios pilotos, pero no se pueden aceptar sin hacer un estudio posterior
ms exhaustivo (Latorre, Rincn y Arnal, 2003: 83).



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).

No existe un tamao ideal de la muestra. A efectos descriptivos, se considera una
muestra grande cuando n > 30. Una muestra debe ser lo suficientemente grande como para
ser representativa, pero el nmero de elementos necesarios para lograr la representatividad
vara de una investigacin a otra. Cuanto ms homognea es una poblacin en la/s
caracterstica/s objeto de estudio, ms fcil resulta obtener muestras representativas sin
necesidad de que sean grandes. Es decir, el tamao de la muestra est en relacin directa con
la desviacin tpica de las puntuaciones en la/s caractersticas de la variable a investigar.

El tamao de la muestra viene condicionado por el tanto por ciento de la caracterstica
que estamos estudiando. Cuando no se conoce es conveniente hacer algn pequeo estudio
inicial con una muestra mucho menor para tener alguna idea de ese porcentaje. Por ejemplo,
alumnos que se matriculan en los programas de formacin y despus no asisten o abandonan.
Cuando tenemos una proporcin de la caracterstica del 50% estamos ante lo que se designa
como el caso ms desfavorable porque exige la muestra mayor. Si no conocemos la
proporcin se asigna el 50% como la opcin ms segura en los clculos de la muestra.
Etapas del Proceso Investigador: Poblacin y Muestra.


14
14

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.

El tamao de la muestra tambin depende del tipo de muestreo que se ha llevado a
cabo. Por ejemplo, en las muestras estratificadas, el error es menor que en las no
estratificadas, y tambin lo es el tamao de la muestra necesario. (Sierra Bravo, 1988: 226)

El tamao de la muestra puede dilucidarse en parte preguntndose por la cuanta del
error que es probable cometer al calcular diversos estadsticos partiendo de muestras de
diferente tamao. Se considera clsica la curva de error de Kerlinger (1975) en la que el error
aumenta a medida que disminuye el tamao de la muestra y a la inversa, entendiendo por
error la desviacin con respecto a los parmetros de la poblacin. Consecuentemente este
autor recomienda usar muestras grandes, no porque sean buenas en s mismas sino para dar al
principio de distribucin al azar una probabilidad de actuar. As, por ejemplo, seleccionada
al azar una muestra de personas es ms fcil, a medida que aumenta el nmero de personas
de la muestra, que el porcentaje de mujeres y de hombres se equilibre.

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 Gauss
4
, 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%.

Otro dato determinante del tamao de la muestra es el error de estimacin. Es lgico
pensar que no haya una coincidencia total entre los datos de la poblacin y los de la muestra.
Hemos de indicar el mximo error tolerable, que suele establecerse en el 5%. Pero si
queremos rebajar ese error tendremos que aumentar el volumen de la muestra.

Concluimos que determinar el tamao de la muestra es un tema complejo. Por tanto,
el investigador habr de tener en cuenta: la amplitud del universo (infinito o no),
representatividad, las variables (tipo de datos, valores de la misma,
homogeneidad/variabilidad de los datos), el tipo de muestreo, el proceso y medios de
recogida de datos, los anlisis estadsticos que se planifiquen, el error muestral, el error de
estimacin y el nivel de confianza con el que deseemos trabajar entre otras consideraciones.

4
Cfr. apdo. 6.3 de este captulo.
Etapas del Proceso Investigador: Poblacin y Muestra.


15
15
Con esta base se tendrn los referentes necesarios para determinar el tamao de la muestra.

Para seleccionar el tamao de la muestra se suelen utilizar tcnicas de tres tipos. Ya
hemos hablado del uso de tablas, pero tambin se pueden determinar mediante otros
procedimientos: las curvas de error del tipo de las definidas por Kerlinger (1975: 132) o
mediante clculos estadsticos. A continuacin desarrollamos este ltimo procedimiento.


5.1. Determinacin estadstica del tamao de la muestra.
Conociendo el nivel de
confianza que queremos que alcancen los datos se puede aplicar una ecuacin matemtica
para estimar el tamao de la muestra
5
. Segn se trate de poblaciones infinitas o finitas, la
determinacin variar, segn las siguientes ecuaciones:

A) Determinacin del tamao de la muestra para poblaciones infinitas.
6
En este caso
pueden presentarse dos situaciones:

A.1) Que conozcamos la proporcin de elementos que posee la caracterstica
a travs de estudios previos. En este caso se aplica la frmula:

Z

2
* p * q n = nmero de elementos que debe poseer la muestra
n = --------------------- = riesgo o nivel de significacin.
e
2
z

= puntuacin correspondiente al riesgo que se haya elegido.

Por ejemplo, para un riesgo del 5%; = 0.05 (Z

= 1.96)
p = % estimado
q = 100-p
e = error permitido.

A.2. Si desconocemos la proporcin de individuos que poseen la
caracterstica, se toma p = 50% y q = 50%.

De este modo, el nmero de elementos ptimo de una muestra, estimando qu
proporcin de sujetos poseen una caracterstica al nivel de confianza del 99.7% (3 u)
y un error de estimacin admitido del 2%, ser:

3
2
*50*50
N = ------------------- = 5625 elementos.
2
2


En el caso de que la investigacin requiera estimar una media se utiliza la siguiente
frmula:
Z
2

* s
2
s
2
= Varianza.
n = ---------------------

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.


16
16
e
2


B) Determinacin del tamao de la muestra para poblaciones finitas. En este caso se
emplea la siguiente frmula:
Z

2
* p * q * N
n = -----------------------------
e
2
(N-1) + Z

2
p * q

De este modo, el nmero ptimo para un estudio de 60.000 personas inscritas
en cursos de formacin, estableciendo un nivel de confianza de 2u (95.5%), y el
margen de error en el 3%, sera. Suponemos que la opcin por inscribirse en cursos de
formacin, o no, es del 50%.

4 * 50 * 50 * 60.000
N = ---------------------------------- = 1091 individuos.
9 (60.000-1) + 4 * 50 * 50

En el caso de que la investigacin requiera estimar una media la frmula a utilizar
quedara as:
N * Z

2
* s
2

n = -----------------------------
Z

2
* s
2
+ e
2
* (N-1)

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)


5.2 Afijacin de la muestra.
Cuando se trata de muestras estratificadas la
determinacin del tamao de la muestra plantea un problema especial. Adems de la
determinacin del tamao general de la muestra hay que especificar el volumen de cada
estrato de la muestra. Este proceso, denominado afijacin de la muestra, debe tener en cuenta
que para garantizar la representatividad de la poblacin, en la muestra debern figurar los
estratos segn su proporcin en el universo.

La forma ms utilizada y directa de realizar esta operacin (afijacin proporcional)
consiste en aplicar el porcentaje, que representa cada estrato dentro del universo, al tamao
general de la muestra, con lo que se obtendr el nmero de elementos de la muestra que se
debe asignar a cada estrato. Para Snchez Crespo (1976) este sistema, que es el ms utilizado,
rene las siguientes ventajas: permite una moderada ganancia global en precisin y mantiene
la igualdad de probabilidad de eleccin de todas las unidades del universo.

Si se conocieran las desviaciones tpicas o las proporciones de cada estrato en el
universo, o se han calculado ex-profeso , mediante un sondeo previo con relacin al objeto
de estudio de la muestra; se suele utilizar otro procedimiento de afijar la muestra que consiste
Etapas del Proceso Investigador: Poblacin y Muestra.


17
17
en multiplicar el porcentaje de cada estrato en el universo por su proporcin o su desviacin
tpica y repartir el tamao de la muestra entre los estratos proporcionalmente a dichos
productos. Este procedimiento se denomina afijacin ptima, y su aplicacin est justificada
por razones econmicas en el caso de que con su empleo se pueda reducir sensiblemente, por
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.

La nica forma de poder conocer el error muestral real consiste en realizar
paralelamente la investigacin con la muestra y, a la vez, con toda la poblacin. Esta realidad,
a todas luces descartable en la prctica, nos advierte acerca de la imposibilidad de conocer el
error muestral real. En primer lugar, la muestra perdera su razn de ser. Por tanto, cuando
nos referimos a error muestral no nos referimos al concepto sealado en el prrafo anterior,
no conocido, sino a un error muestral determinado estadsticamente, de tipo genrico, vlido
para todas las muestras posibles, del mismo tamao. Este error muestral, estadstico, sirve
para darnos no un error especfico y determinado, sino nicamente para establecer el
intervalo de confianza dentro del que nos movemos en la muestra; para sealarnos los
lmites formados por la media de la muestra, mas o menos el error en cuestin, dentro del
que se debe encontrar la media del universo, con el grado de probabilidad con que se
trabaje, dos o tres sigmas. (Sierra Bravo, 1988: 207)

Los errores de muestreo o fluctuaciones de muestra a muestra son aleatorios y no
han de considerarse como equivocaciones, fallos, etc., sino como variaciones debidas al
hecho de que no hay jams dos muestras que sean exactamente iguales (Garret, 1976: 238).
Los estadsticos obtenidos en estas muestras al azar son estimaciones de los parmetros y sus
errores tpicos miden la bondad de la estimacin.


6.1 Fundamento estadstico del error muestral.
La base estadstica del error
muestral es la siguiente. Denominemos 0 a la media de la muestra y a la media de la
poblacin. Supongamos que se obtuvieran todas las muestras posibles de, n unidades cada
una, de la misma poblacin y se calculasen las para cada una de ellas. Entonces las
estimaciones de variarn en torno a en la forma de la curva de distribucin normal.

Esa curva de distribucin muestral expresara grfica y matemticamente la
distribucin de todas las medias de las muestras obtenidas del universo. En ella se pondra de
manifiesto que habra muchas medidas de iguales o muy cercanas a la poblacin y muy
pocas alejadas de , siguiendo una distribucin normal.
Etapas del Proceso Investigador: Poblacin y Muestra.


18
18

Tomando estos referentes, el error muestral o error tpico
7
, sera la desviacin tpica
de las distintas medias obtenidas alrededor de la media de la poblacin, suele designarse por
u 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 u = desviacin tpica de la muestra
e

= ---------- e

= error tpico de la media o error muestral.

/n n = tamao de la muestra.

Los errores de medicin se refieren a los fallos de los instrumentos de medida, as
como del que los aplica y corrige. Estos errores, que actan de modo incontrolado, pueden
aumentar considerablemente el error tpico de un estadstico. Por ello, un error muestral
grande no implica necesariamente falta de representatividad de la muestra, pues la variacin
puede estar causada por los errores de medicin. Si stos son pequeos, un error tpico grande
s indica un considerable error de muestreo..

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:



Para estimar el error muestral existen varias tcnicas denominadas de submuestreo
(subsample) o remuestreo (resample) que se basan en dividir la muestra total en dos o ms
submuestras aleatorias y a partir de ellas estimar los estadsticos y determinar las propiedades
del estimador (Wilson, 1988).

De entre las tcnicas de submuestreo sealaremos como las ms usuales, las
siguientes (Ross, 1988; en Latorre, Rincn y Arnal, 2003: 83):

a) La tcnica de la replicacin independiente, que consiste en que la muestra se divide en dos
submuestras independientes.

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 = ----------
/n

Estas frmulas generales presentan modalidades diversas segn se trate de muestras

7
El error tpico se define en estadstica como la desviacin tpica de la distribucin muestral de un estadstico. (Jimnez
Fernndez, 1983)
(Error total)
2
= (error por sesgo)
2
+ (error
de muestreo)
2
e
p p
n
=
( ) 1
Etapas del Proceso Investigador: Poblacin y Muestra.


19
19
con desviacin tpica o muestras con proporciones, o poblaciones finitas / infinitas:

Frmulas del error muestral para:.
Muestras Poblaciones infinitas. Poblaciones finitas.


De intervalo:

De proporciones:

s
2
= 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 [s
2
] o al [p * q] hay que multiplicarlos por el cuadrado de nivel de
u (sigmas), respectivamente. confianza elegido: 2
2
3
2
para 2 3

6.2 Estimacin del error muestral en las muestras estratificadas y de clusters.


En las muestras estratificadas habr que considerar que,
normalmente, el % de la caracterstica o la desviacin
tpica, en su caso, sern distintas para cada estrato.
Consecuentemente, la formula a utilizar ser:



n
i
= elementos del estrato i. p
i
= proporcin del atributo muestral en el estrato i
n = nmero total de elementos de la muestra. 3 = sumatorio de todos los estratos.

En el caso de medias:



En las muestras de clusters la frmula del error muestral es:





m = nmero de clusters de la muestra
M = nmero de clusters del universo.
s = desviacin tpica de las medias de los clusters de la muestra.


6.3 Factores que intervienen en el error muestral.
e
s
n
N n
N
=

2
1
e
p q
n
=
*
e
n p p
n
i i i
=

( ) 1
e
n s
n
i i
=

( )
2
2
e
s
n
=
2
e
p q
n
N n
N
=

*
1
e
s
m
m
N
=
2
1 ( )
Etapas del Proceso Investigador: Poblacin y Muestra.


20
20
De acuerdo con las
expresiones matemticas que calculan el error muestral, los factores que intervienen en l son
(Sierra Bravo, 1988: 209):

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 hecho de que se estime el universo como infinito supone que su amplitud no
influye para nada en la frmula a aplicar.

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.

El nivel de confianza ms corriente con el que se trabaja en muestras de
investigaciones educativas es el de dos sigmas.

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)

Estas ltimas variables es posible cuantificarlas, en cierto modo, recurriendo al
lgebra de Boole, asignndole los valores 1/0 (positiva/negativa; aparece/no aparece...). En
este caso la media es igual a p (proporcin en que se da el atributo en cuestin en la
poblacin). En ese caso la desviacin tpica es igual a


p p *( ) 1
Etapas del Proceso Investigador: Poblacin y Muestra.


21
21
En las muestras con variables cuantitativas la desviacin tpica ( s ) se calcula segn:

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
cuasivarianza, o sea la varianza estimada mediante una pequea muestra tomada de la
poblacin, ya que est comprobado que ste parmetro es muy estable. Por ello, en las
muestras referidas a variables cualitativas, para hallar la desviacin tpica es necesario hallar,
si no se conoce p, la proporcin o porcentaje que expresa el nivel estimado de la extensin
en el universo de la caracterstica sobre la que se desea obtener informacin. As, en una
encuesta sobre la extensin del consumo de una determinada marca de tabaco se deber
estimar con anterioridad, aunque sea de manera aproximada, a travs de un sondeo previo, la
proporcin de fumadores y no fumadores dentro del total de la poblacin. Cuando el sondeo
sea imposible habr que partir de la suposicin del 50%, que es el caso ms desfavorable; es
decir, en que la muestra deber ser mayor.


6.4 Error sistemtico.
Los errores se clasifican, segn su carcter, en
sistemticos, aleatorios y muestrales. El error aleatorio no se suele ajustar a ninguna pauta,
vara normalmente, en cada caso distinto, en su sentido y magnitud, y por ello tiende a
anularse cuando se trata de un nmero elevado de casos. El error muestral, visto ms arriba,
es un error de tipo aleatorio estadstico, que tiene lugar cuando se utilizan muestras y se basa
en las fluctuaciones aleatorias del muestreo.

El error sistemtico se suele ajustar a una pauta determinada en su sentido y magnitud,
y por lo tanto, al repetirse los casos, su magnitud aumenta acumulativamente.

Para Bugeda (1974; en Sierra Bravo, 1988: 213) las principales vas de penetracin
del error sistemtico o de distorsin son las siguientes:

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
s
x x n
n
i
i
i
=

( )
2
1
Etapas del Proceso Investigador: Poblacin y Muestra.


22
22
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.
Escuela Espaola, Madrid.
GARRET, H. E. (1976): Estadstica en Psicologa y Educacin. Paids, Buenos Aires.
GIL PASCUAL, J. A. (2004): Bases Metodolgicas de la Investigacin Educativa. (Anlisis
de datos). UNED, Madrid.
JIMENEZ FERNNDEZ, C. (1983): Poblacin y muestra. El muestreo. En JIMNEZ
FERNNDEZ, C., LPEZ-BARAJAS ZAYAS, E. y PREZ JUSTE, R. : Pedagoga
Experimental II. Tomo I. UNED. Madrid. pp. 229-258.
KERLINGER, F. N. (1975): Investigacin del comportamiento.Tcnicas y Metodologa.
Interamericana, Mxico.
- (1985): Enfoque conceptual de la investigacin del comportamiento. Interamericana,
Mxico.
LOHR, S. L. (1999): Muestreo: Diseo y Anlisis. International. Thomson Editores, Madrid.
MARN IBEZ, R. (1985): El muestreo. Tema 6. En MARN IBEZ y PREZ
SERRANO, G.: Pedagoga Social y Sociologa de la Educacin. Unidades Didcticas 1, 2 y
3. UNED, Madrid. pp. 161-186
LATORRE, A., RINCN D. del y ARNAL, J. (2003): Bases Metodolgicas de la
Etapas del Proceso Investigador: Poblacin y Muestra.


23
23
Investigacin Educativa. Experiencia S.L., Barcelona.
RAE (2001): Poblacin / Muestra [en linea]. Diccionario de la Lengua Espaola, 22
Edicin. Disponible en: http://www.rae.es/ [consulta 2005,29 de septiembre]
ROSS, K. N. (1988): Sampling errors. En KEEVES, J. P. (ed.). Educational research,
methodology, and measurement. An international handbook. Pergamon Press, Oxford.
SIERRA BRAVO, R. (1988): Tcnicas de investigacin Social. Teora y Ejercicios.
Paraninfo, Madrid.





Toms Garca Muoz.
Almendralejo, 2005







Esquema:


POBLACIN Y MUESTRA.


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.

3.Tipos o tcnicas de muestreo.
3.1 Probabilstico.
A) Aleatorio simple.
B) Aleatorio sistemtico.
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.

A) Accidental o casual.
B) Intencional u opinativo.
C) Muestreo por cuotas.
3.3 Otros tipos de muestreo.
B) Muestras superpuestas.
Etapas del Proceso Investigador: Poblacin y Muestra.


24
24
C) M. sucesivas.
D) M. compuestas.
E) M. compensadas.
F) M. de voluntarios.

4. Representavidad de la muestra.

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