LA MUESTRA

INTRODUCCIN La experimentacin es un procedimiento de observacin controlada, y al llevar a cabo un experimento, partimos con el objetivo de obtener las bases para una conclusin generalizable. La validez de la generalizacin de los resultados obtenidos en el experimento va a estar relacionada, en gran medida, con el grado en que los sujetos con los que hemos trabajado sean representativos de la poblacin a la que queremos generalizar nuestros resultados, nuestras conclusiones. El problema que se nos plantea, entonces, es el de cmo conseguir esa representatividad; es decir, cmo elegir a los sujetos de nuestro experimento y conseguir que sean representativos de la poblacin a la que pertenecen. En este trabajo de la asignatura Mtodos de investigacin sociolgica, realizado por dos miembros de dicha asignatura optativa, vamos a estudiar el concepto de muestreo, as como los errores que podemos cometer al emplear una muestra en nuestra investigacin. 1. CONCEPTO DE MUESTRA El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es determinar qu parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que se comete debido al hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versin simplificada de la poblacin, que reproduzca de algn modo sus rasgos bsicos. Antes de seguir definiendo el concepto de muestra consideramos necesario definir una serie de trminos: Poblacin objeto: conjunto de individuos de los que se quiere obtener una informacin. Unidades de muestreo: nmero de elementos de la poblacin, no solapados, que se van a estudiar. Todo miembro de la poblacin pertenecer a una y slo una unidad de muestreo. Unidades de anlisis: objeto o individuo del que hay que obtener la informacin.

Marco muestral: lista de unidades o elementos de muestreo. Muestra: conjunto de unidades o elementos de anlisis sacados del marco.

La hiptesis de un experimento debe referirse a hechos y situaciones tan especficas como sea posible a fin de facilitar su comprobacin experimental. Del mismo modo en que la experimentacin exige la particularizacin de los conceptos en trminos de operaciones especficas, es decir, la definicin operacional de las variables incluidas en la investigacin, as, tambin, es necesario elegir sujetos particulares para cada experimento, ya que, normalmente, no vamos a poder utilizar en el mismo a todos los organismos a los que despus pretendemos generalizar nuestras conclusiones. En suma, el cientfico, al serle imposible utilizar a toda la poblacin como sujetos de su experimento, se ve obligado a seleccionar un menor nmero de personas de la misma. Este menor nmero de personas que sirven de sujetos en el experimento es lo que vamos a denominar muestra. El concepto de poblacin, usado en su sentido ms amplio, hace referencia a todos los sujetos miembros de una clase particular que tienen una o ms caractersticas en comn. Ejemplos de poblaciones seran: Alumnos de 2 curso de psicopedagoga de la Universidad de Ciencias de la Educacin de Crdoba Alumnos de 2 curso de psicopedagoga de todas las universidades espaolas Mujeres casadas de ms de 20 aos y que lleven 10 aos viviendo en Crdoba.

Cuando el investigador puede medir alguna caracterstica de todos los miembros de la poblacin, puede calcular, por ejemplo, la media y al desviacin tpica de las puntuaciones de todos los sujetos. Estas medidas obtenidas a partir de toda la poblacin se denominan parmetros de la poblacin. Pero, como ya hemos dicho, es prcticamente imposible obtener alguna medida de alguna caracterstica de la poblacin completa. Por ellos, el cientfico se debe contentar en la mayora de las ocasiones, con seleccionar un grupo de sujetos, al que llamamos muestra, pertenecientes a dicha poblacin y medir una conducta particular en los miembros de dicha muestra.

Las puntuaciones basadas en los datos recogidos de una muestra se denominan estadsticos. A partir de las puntuaciones obtenidas en la muestra nos va a ser posible, luego, estimar los parmetros de la poblacin correspondiente. 2. TIPOS DE MUESTREO Se hace la distincin entre mtodos de muestreo probabilstica y el no probabilstica. Los mtodos de muestreo no probabilsticos no garantizan la representatividad de la muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la poblacin. Las muestras no probabilsticas ms usadas son: Muestra accidental. Es aquella que se obtiene sin ningn plan preconcebido; las unidades elegidas resultan producto de circunstancias fortuitas. Si entrevistamos a los primeros 50 transentes que pasan por cierta calle o medimos la profundidad del mar a lo largo de un trayecto entre dos puntos cualesquiera, estaremos en presencia de una muestra accidental; los datos obtenidos podrn o no representar al universo en estudio. El investigador no puede saber hasta qu punto sus resultados podrn proyectarse, con confiabilidad, hacia el conjunto ms amplio que desea conocer. Muestra por cuotas. Consiste en predeterminar la cantidad de elementos de cada categora que habrn de integrar la muestra. As podemos asignar una cuota de 50 hombres y 50 mujeres a una muestra de 100 individuos, asumiendo que sa es la distribucin de la poblacin total. Por ms que esa presuncin llegue a ser vlida, no deja de existir cierta arbitrariedad en este modo de proceder, por lo que la rigurosidad estadstica de las muestras por cuotas se reduce considerablemente. Muestra intencional. Las unidades se eligen en forma arbitraria, designando a cada unidad segn caractersticas que para el investigador resulten de relevancia. Se emplea, por lo tanto, el conocimiento y la opinin personal para identificar aquellos elementos que deben ser incluidos en la muestra. Se basa, primordialmente, en la experiencia de alguien con la poblacin. Estas muestras son muy tiles y se emplean frecuentemente en los estudios de caso, por ms que la posibilidad de generalizar conclusiones a partir de ellas, sea en rigor nula. En algunas oportunidades se usan como gua o muestra tentativa para decidir cmo tomar una muestra aleatoria ms adelante. 3

Los mtodos de muestreo probabilsticas otorgan una probabilidad conocida de integrar la muestra a cada elemento de la poblacin, y dicha probabilidad no es nula para ningn elemento. Entre los mtodos de muestreo probabilsticos ms utilizados en investigacin encontramos: Muestreo aleatorio simple Muestreo estratificado Muestreo sistemtico Muestreo polietpico o por conglomerados

A continuacin adjuntamos una tabla donde recogemos las ventajas e inconvenientes de los distintos tipos de muestreo probabilstica:
CARACTERISTICAS Se selecciona una muestra de tamao n de una poblacin de N unidades, cada elemento tiene una probabilidad de inclusin igual y conocida de n/N. VENTAJAS -Sencillo y de fcil comprensin. -Clculo rpido de medias y varianzas. -Se basa en la teora estadstica, y por tanto existen paquetes informticos para analizar los datos -Tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de unas variables seleccionadas. -Se obtienen estimaciones ms precisa -Su objetivo es conseguir una muestra lo mas semejante posible a la poblacin en lo que a la o las variables estratificadoras se refiere. INCONVENIENTES -Requiere que se posea de antemano un listado completo de toda la poblacin. -Cuando se trabaja con muestras pequeas es posible que no represente a la poblacin adecuadamente -Se ha de conocer la distribucin en la poblacin de las variables utilizadas para la estratificacin

ALEATORIO SIMPLE

ESTRATIFICADO

En ciertas ocasiones resultar conveniente estratificar la muestra segn ciertas variables de inters. Para ello debemos conocer la composicin estratificada de la poblacin objetivo a muestrear. Una vez calculado el tamao muestral apropiado, este se reparte de manera proporcional entre los distintos estratos definidos en la poblacin usando una

SISTEMTICO

simple regla de tres. -Conseguir un listado de los N elementos de la poblacin -Determinar tamao muestral n. -Definir un intervalo k=N/n. -Elegir un nmero aleatorio, r, entre 1 y k (r=arranque aleatorio). -Seleccionar los elementos de la lista. -Se realizan varias fases de muestreo sucesivas (polietpico) -La necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo seleccionadas en la etapa anterior.

-Fcil de aplicar. -No siempre es necesario tener un listado de toda la poblacin. -Cuando la poblacin est ordenada siguiendo una tendencia conocida, asegura una cobertura de unidades de todos los tipos. -Es muy eficiente cuando la poblacin es muy grande y dispersa. -No es preciso tener un listado de toda la poblacin, slo de las unidades primarias de muestreo.

Si la constante de muestreo est asociada con el fenmeno de inters, las estimaciones obtenidas a partir de la muestra pueden contener sesgo de seleccin

CONGLOMERADOS

-El error estndar es mayor que en el muestreo aleatorio simple o estratificado. -El clculo del error estndar es complejo.

3. MUESTRAS SESGADAS Y NO SESGADAS Si el cientfico va a pretender generalizar las conclusiones y resultados obtenidos a partir de la muestra a la poblacin de la que proceda dicha muestra, es necesario y fundamental que se asegure de que sta es una buena representacin, es representativa, de la poblacin de la que procede. E grado de representatividad de la muestra, con relacin a la poblacin, nos va a venir dado por le grado en que el estadstico muestral se aproxima al parmetro de la poblacin. El problema central que se le plantea al investigador, al intentar llegar a conseguir dicha correspondencia, es el de hacer una seleccin apropiada de los sujetos que van a participar en el experimento, de forma tal que sean una buena representacin de la poblacin de la que proceden. Actualmente, como hemos visto en el punto anterior, existen diversos mtodos para conseguir que las muestras sean realmente representativas de la poblacin. Sin embargo, de todos ellos, el ms usado es el de la seleccin aleatoria de los sujetos de la muestra. Diremos que una muestra es elegida al azar, es aleatoria, cuando todos y cada uno de los miembros de la poblacin han tenido la misma probabilidad de pertenecer a al muestra.

Esto no significa, sin embargo, que todos los diferentes tipos de sujetos incluidos en la poblacin deban estar incluidos, necesariamente, en la muestra. El nico requisito imprescindible para construir una muestra aleatoria es, como hemos dicho, que todos los sujetos pertenecientes a la poblacin a la que vamos a generalizar los resultados obtenidos en nuestra investigacin, tengan la misma probabilidad de pertenecer a la muestra. Virtualmente, todas las pruebas paramtricas de significacin estn basadas en la seleccin aleatoria de los sujetos que componen la muestra. Cuando trabajamos con una muestra formada sin que haya habido restriccin alguna para la inclusin en al misma de cada sujeto de la poblacin y no hay, por tanto, base cierta para dudar de su representatividad, diremos que se trata de una muestra no sesgada. Esta denominacin est basada en al supuesta existencia terica de una distribucin muestral de un determinado estadstico (por ejemplo, la media) a partir de un nmero infinito de muestras iguales. Si consideramos un nmero infinito de muestras no sesgadas iguales y obtenidas independientemente de la misma poblacin, al distribucin de frecuencias de los estadsticos correspondientes a dichas muestras (la distribucin muestral de la media, por ejemplo) tendr como media el parmetro de la poblacin (la media de la poblacin en nuestro caso). Una muestra sesgada ser, por consiguiente, aquella muestra cuya media sea significativamente diferente de la media de la poblacin, es decir, aquella muestra que difiera de la media de la distribucin muestral. Una restriccin de cualquier tipo sobre la inclusin de un determinado sujeto en una muestra, sesga la muestra, hace que la muestra no sea representativa de la poblacin a la que pretendamos generalizar nuestros resultados. Sesgo significa que una muestra no es representativa debido a una restriccin incluida en el proceso de seleccin de los sujetos, introduciendo un error sistemtico. Cuando la media de la distribucin muestral no corresponda con la media de la poblacin estaremos ante un error sistemtico. La nica muestra igual a la poblacin es la poblacin misma. Por eso cuanto mayor sea la muestra mejor ser nuestra investigacin, pues aumenta la representatividad de la misma. Sin embargo, en la investigacin psicolgica hay buenas razones para, en ocasiones, seleccionar muestras relativamente pequeas y, a veces, trabajar con un solo sujeto. 6

4. EL ERROR MUESTRAL Como su nombre indica error es algo que no es correcto o algo que se desva de algn patrn. Es algo que est equivocado, que no debera ser, siempre con arreglo a un modelo, norma etc. que se de por vlido. El error muestral es la diferencia existente entre el parmetro de la poblacin y el correspondiente estadstico de la muestra. Es la desviacin que nos podemos encontrar de muestra a muestra y que es debida a las caractersticas de la poblacin no representadas en la muestra. En el caso de haber utilizado un procedimiento aleatorio para construir nuestra muestra, este error ser accidental y no sistemtico, y ser el caso en que podamos considerar que la media de nuestra muestra es una buena representacin de la media de la poblacin y podamos considerarla como no sesgada, como representativa de la poblacin. 4.1 Tipos de error muestral Al utilizas el procedimiento aleatorio para formas su muestra, el experimentador est relativamente seguro de poder generalizar sus resultados a la poblacin de la que procede la muestra, pues sta es representativa de aquella. Dicha aleatorizacin es la que proporciona al investigador la justificacin ante la comunidad cientfica de la validez de la generalizacin que hace de sus conclusiones. Sin embargo, como hemos visto, puede existir un error accidental an y cuando la muestra sea representativa de la poblacin, lo que puede llevarnos a tomar una incorrecta decisin sobre la hiptesis nula. Veamos, brevemente, los distintos tipos de error muestral que se pueden cometer: 4.1.1.- Error de tipo S Accidentalmente, una muestra puede incluir un nmero desproporcionado de sujetos con alguna caracterstica peculiar como, por ejemplo, de ms inteligencia, ms extrovertidos, ms activos, o ms autoritarios en relacin a los existentes en la poblacin. Estos y otros accidentes de muestreo de los que resulta una no representatividad de una muestra son los llamados errores muestrales de tipo S. El error de tipo S puede dar lugar a una ambigua interpretacin de los resultados del experimento. 7

La presencia de un error de tipo S puede aumentar la posibilidad de aceptar la hiptesis nula o de rechazarla, en funcin de cmo venga la muestra afectada por dicho error. Una buena investigacin minimizar la posibilidad de que un error de tipo S debido a diferencias individuales no buscadas influya en los resultados experimentales. 4.1.2. Error de tipo G Durante la realizacin del experimento pueden ocurrir cambios en el ambiente fsico o social que pueden alterar las puntuaciones de alguno de los grupos de sujetos. Esta influencia accidental de algn aspecto ambiental que, inadvertidamente, influye en las puntuaciones de los sujetos es denominado error muestral de tipo G. Es decir, que el error de tipo G est causado por factores ambientales o sociales exteriores a la muestra de sujetos. Como conclusin, podemos decir que el investigador debe preocuparse al mximo por eliminar o minimizar los errores muestrales que pueden, en algunos casos, llegar a invalidar sus resultados. 4.2. Reduccin del error muestral Veamos, ahora, las distintas tcnicas y mtodos que se pueden seguir para minimizar esos errores muestrales que podemos cometer y que acabamos de comentar. 4.2.1. Emplear una muestra grande La seleccin de un amplio nmero de sujetos para nuestra muestra, va a minimizar la posibilidad de ocurrencia de un error muestral de tipo S, ya que a medida que la muestra decrece, aumenta la probabilidad de que importantes caractersticas de la poblacin se omitan o estn desproporcionadamente representadas. 4.2.2. Hacer un muestreo estratificado Este mtodo sirve para controlar el error de tipo S. Consiste en dividir a la poblacin en una serie de categoras en funcin de alguna caracterstica relacionada con el experimento y seleccionar aleatoriamente de cada categora un nmero proporcional de sujetos para la muestra. sto se realiza porque algunas 8

caractersticas de la poblacin pueden ser ms relevantes que otras para los resultados experimentales. La estratificacin sera, pues, una forma de asegurar la representatividad de la muestra imponiendo unas ciertas restricciones a la composicin de la misma. La propia estratificacin nos va a garantizar una proporcin balanceada de sujetos de cada nivel de las caractersticas en cuestin. De gran importancia para utilizar el procedimiento de la estratificacin es el hecho obvio de que es necesario conocer previamente si la caracterstica que vamos a estratificar es relevante al fenmeno que vamos a estudiar en el experimento, ya que si no lo es no merece la pena tomarse el esfuerzo suplementario que supone hacer la estratificacin. Hay razones de orden lgico y de orden prctico para limitar el uso del procedimiento de la estratificacin y no abusar del mismo: aLa estratificacin puede no ser prctica en el caso de que no dispongamos de informacin previa sobre las posibles relaciones estudiando. bLa estratificacin requiere un mayor esfuerzo y un mayor tiempo que la simple aleatorizacin. Por ellos, deberemos estar seguros de que va a proporcionarnos mejores resultados antes de decidirnos a utilizarla. 4.2.3. Uso de diseos experimentales especiales Se puede controlar la posible aparicin de un error muestral de tipo G pasando cada tratamiento a grupos distintos se sujetos y obteniendo como resultado en la variable dependiente la combinacin de los resultados de todos estos grupos. Esta tcnica tiene, sin embargo, ciertos inconvenientes, por lo que es necesario aplicarla con precauciones. De dichos inconvenientes, los principales son: Es necesario un mayor esfuerzo experimental Es necesario disponer de un mayor nmero de sujetos Al aumentar el nmero de grupos, es ms fcil que cometamos algn error accidental al hacer las asignaciones aleatorias de los sujetos. entre las caractersticas que vamos a estratificar y el fenmeno que estamos

4.2.4. Replicaciones sucesivas de la investigacin Esta tcnica nos permite controlar tanto el error de tipo S, como el error de tipo G. Consiste en repetir el experimento con distintos sujetos el mayor nmero posible de veces, manteniendo constantes todas las condiciones experimentales. Este procedimiento es denominado por algunos autores, como ANDERSON (1978) como diseo de replicaciones aleatorias. Las replicaciones del experimento estarn, pues, destinadas a proporcionar una mayor fiabilidad a los resultados experimentales. CONCLUSIN A modo de conclusin de la informacin recopilada y del trabajo expuesto adjuntamos el siguiente esquema-resumen:

SESGADA POBLACIN ERROR MUESTRAL NO SESGADA AZAR

NO REPRESENTATIVA REPRESENTATIVA

MUESTRA

MUESTRA GRANDE MUESTREO ESTRATIFICADO TIPO S DISEOS ESPECIALES

ERROR MUESTRAL

REPLICACIONES SUCESIVAS

DISEOS ESPECIALES TIPO G REPLICACIONES SUCESIVAS

10

RECURSO BIBLIOGRFICOS UTILIZADOS: http://www.monografias.com/trabajos11/tebas/tebas.shtml http://server2.southlink.com.ar/vap/MUESTREO.htm http://www.hsa.es/id/investigacion/uai/uai_docs/muestreo/muestreo.htm http://sameens.dia.uned.es/Trabajos4/T4A/T4_HensPerezMJ/error.htm http://www.tdx.cesca.es/TESIS_UPC/AVAILABLE/TDX-1010101082513/41ANEX5.pdf http://www.ilustrados.com/publicaciones/EpyAVkEylFcQKsqhGR.php http://www.worldbank.org/wbi/governance/costarica/pdf/Taller%20CR%20Sesion %20XIII%20nov18.pdf http://html.rincondelvago.com/analisis-de-datos_2.html http://www3.unileon.es/dp/abd/tesauro/pagina/tesdocumentacion/00001129.htm http://www.icm.csic.es/rec/gim/defini.htm http://www.chospab.es/calidad/UCalidad/Metodos/Muestreo.pdf http://www.fertiberia.com/servicios_on_line/analisis_foliar/consejos_toma_muestra s/ejecucion.html http://www.aceproject.org/main/espanol/ve/veb04a04.htm

Trabajo realizado por: Fernndez Llorente, Jorge Santos Dueas, Mara

11