UNIVERSIDAD NACIONAL DEL CENTRO DEL PER FACULTAD DE INGENIERA QUMICA

Un Ingeniero Qumico, una Empresa

Departamento Acadmico de Ingeniera Qumica

Muestreo: fundamentos, clasificacin, errores y mtodos CATEDRTICO:

Ing. Jaime Claros Castellanos

CTEDRA: CONTROL DE CALIDAD

REALIZADO POR: BAUTISTA MALLQUI, Jose Luis CARHUAZ LOZANO, Cristhian FLORES GASPAR, Sixto OCHOA BRUNO, Lincol ROJAS VILLALVA, Yelitsa ALUMNOS DEL: VII Semestre

Huancayo, 20 de Abril del 2012

Resumen El trabajo exploratorio siguiente consta de la compilacin de antecedentes sobre el tema de muestreo, los errores ms comunes que se pueden cometer como son el error de muestreo y el error de inferencia tambin se describen en detalle los tipos de muestreo as como los mtodos para muestrear slidos lquidos y gases esto ultimo es de importancia relevante para la realizacin del proyecto de muestreo que tiene cada alumno respecto a un producto escogido y el problema fundamental en este estudio ha sido descubrir lo difcil de escoger una muestra realmente representativa de una poblacin

Introduccin En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una poblacin), se selecciona una muestra, entendiendo por tal una parte representativa de la poblacin. El muestreo como una herramienta sirve para determinar que parte de una poblacin debe examinarse, con la finalidad de hacer inferencias sobre dicha poblacin. La muestra debe lograr una representacin adecuada de la poblacin, en la que se reproduzca de la mejor manera los rasgos esenciales de dicha poblacin que son importantes para la investigacin. Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin, es decir ejemplificar las caractersticas de sta. Como 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 y se ve que esto son los parmetros utilizados para determinar el error muestral y as elegir una muestra representativa.

ndice Contenido pg.

MUESTREO

1.

POBLACIN Y UNIVERSO:

Sobre las diferencias entre poblacin o universo general y universo de trabajo se dice que 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[1]. Sierra Bravo (1988) se refiere al universo de trabajo como base de la muestra[15]. Latorre, Rincn y Arnal (2003) tambin distinguen entre poblacin y universo, haciendo sinnimo a este ultimo de colectivo o colectivo hipottico [12]. Paralelamente, Lohr (1999) habla de poblacin muestreada[9] 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. 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[13]. 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. [3]

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. [1] En un estudio cualquiera se presentan variables que a continuacin se explica. 1.1) Variable: es la cualidad o cantidad medible que se estudia de las unidades de anlisis y que varan de una unidad a otra. Por ejemplo: edad, ingreso de un individuo, sexo, cantidad de lluvia cada, etc. 1.2) Nivel de medicin: las variables pueden ser medidas con mayor o menor grado de precisin segn la escala de medida utilizada para su observacin. Podemos distinguir los siguientes niveles de medicin de una variable: Nominal : slo permite clasificar a las unidades de anlisis en categoras. Por ejemplo: sexo varn y mujer -. Ordinal : adems de clasificar a los elementos en distintas categoras, permite establecer una relacin de orden de las mismas. Por ejemplo: clase social baja, media y alta-. Intervalar: permite clasificar, ordenar y medir la distancia entre las diferentes categoras. Por ejemplo: edad. Las variables se clasifican en dos grupos de acuerdo al nivel de medicin utilizado para su observacin: Variables cualitativas : son las variables medidas en escala nominal u ordinal, ya que la caracterstica que miden de la unidad de anlisis es una cualidad. Variables cuantitativas : son las variables medidas en escala intervalar, puesto que lo que miden es una cantidad.

2. MUESTREO. 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 suele sealarse [9]: 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 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. [3] 2.1. Muestra. El Diccionario de la Lengua Espaola define la muestra, en su segunda acepcin, como parte o porcin extrada de un conjunto por mtodos que permiten considerarla como representativa de l. [13] 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. [7] 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. [15] 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. [12] 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. 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. 2.2.

Etapas del proceso de muestreo.

Fox seala cinco etapas en el proceso de muestreo [3]: 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 cuatro[15]: Que comprendan parte del universo y no la totalidad de ste. 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 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. [15] 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. 1. 2.

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

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 [10]. 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. 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 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 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 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:

a)

Muestreo estratificado constante. En este caso, tambin conocido como afijacin simple, 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.

b)

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.

D)

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.

E)

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. Dentro de este tipo de muestreo se suele distinguir entre muestreo accidental, intencional o deliberado y por cuotas [8].

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[7] 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 [12] 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) [10]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:

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. Por ltimo, Marn (1985)[10] 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.)[15] 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 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. [10] 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. [12] Fox (1981)[3] 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 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 [8]. 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 [7] . Para Fox (1981)[3] 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. 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[7]. 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.

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 [7]. 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. [15] 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) [8] 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, 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) [2]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. 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) [7] 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, 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. 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 = --------------------e2

= riesgo o nivel de significacin. 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 ) y un error de estimacin admitido del 2%, ser: 32*50*50 N = ------------------- = 5625 elementos. 22 En el caso de que la investigacin requiera estimar una media se utiliza la siguiente frmula: Z2 * s2 s2 = Varianza. n = --------------------e2

B) Determinacin

del tamao de la muestra para poblaciones finitas. En este caso se emplea la siguiente

frmula: Z 2 * p * q * N n = ----------------------------e2 (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 2 (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 * s2 n = ----------------------------Z 2 * s2 + e2 * (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 [15]. 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.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. 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. []. 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. 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. De entre las tcnicas de submuestreo las ms usuales, son las siguientes [14]. 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 diversas segn se trate de muestras con desviacin tpica o muestras con proporciones, o poblaciones finitas / infinitas: Muestras Frmulas del error muestral para:. Poblaciones infinitas. Poblaciones finitas.

(Error total)2 = (error por sesgo)2 +

De intervalo: De proporciones: Donde: s2 = varianza (cuadrado de la desviacin tpica) de la poblacin n = tamao de la muestra.

e=

s2 n

e =

e =
N = el

s2 N n n N 1 p * q N n n N 1
tamao

(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: 22 32 para 2 3 (sigmas), respectivamente. 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: Donde: ni = elementos del estrato i. n = nmero total de elementos de la muestra. En el caso de medias:

e=

p *q n

pi = proporcin del atributo muestral en el estrato i

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

Donde: m = nmero de clusters de la muestra M = nmero de clusters del universo. s = desviacin tpica de las medias de 6.3.

Factores muestral.

que

e=

n p (1 p )
i i i

los clusters de la muestra.

intervienen

en

el

error

De acuerdo con las expresiones matemticas que calculan el error muestral, los factores que intervienen en l son [15]. A) B) C) D) La amplitud del universo, El tamao, n, de la muestra. El nivel de confianza La desviacin tpica.

e=

(n s )
n
i i 2

finito o infinito. adoptado.

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,

e=

s2 m (1 ) m N

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 [2] las principales vas de penetracin del error sistemtico o de distorsin son las siguientes: 1. 2. Modo de eleccin defectuoso de una muestra que hace que sta no sea representativa. 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. Las tendencias subjetivas conscientes o inconscientes del investigador. Sustituciones, segn criterio propio del investigador, de unidades de la muestra que haban sido elegidas al azar. 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.

3. 4. 5.

7. MTODOS DE RECOLECCIN DE DATOS. La forma de obtener la informacin original de las unidades de anlisis que componen el universo por investigar puede ser efectuada a travs de un censo, una encuesta o un registro administrativo.

7.1.

Censo.

Es un mtodo de recoleccin de datos mediante el cual la informacin se obtiene relevando la totalidad de los elementos que componen la poblacin o universo bajo estudio. Un censo debe cumplir las condiciones de universalidad (censar a todos los elementos de la poblacin) y simultaneidad (realizarse en un momento determinado). Un censo es equivalente a una fotografa de la poblacin bajo estudio. [16] El trmino censo no slo se aplica a aquellos relevamientos que comprenden todas las unidades de todo un pas y que se realizan con una frecuencia de recoleccin quinquenal o decenal, como es el caso de los censos de poblacin, econmicos, agropecuarios, etc., sino tambin a todo relevamiento, cualquiera sea su cobertura geogrfica, nmero de unidades de informacin, o frecuencia de su recoleccin, siempre que incluya todas las unidades que componen el universo que se investiga. 7.2. Encuesta. Es un mtodo de recoleccin mediante el cual la informacin se obtiene relevando slo un subconjunto o muestra de elementos del universo en estudio, que permite obtener informacin sobre el mismo. Para que la informacin obtenida con la encuesta sea generalizable a la poblacin, la muestra utilizada debe ser representativa de la poblacin de la que proviene. Para lograrlo, se utilizan mtodos de seleccin de unidades especialmente diseados con este fin.[16] . Su uso ha ido en rpido aumento, en la medida en que las instituciones productoras de informacin disponen de personal capacitado para efectuar su organizacin, diseo y anlisis, debido a su menor costo y a que en determinadas circunstancias la informacin resulta ms exacta debido a que los errores ajenos al muestreo (errores en la recoleccin y en el procesamiento) pueden ser reducidos a travs de una mejor capacitacin de los empadronadores y la utilizacin de mtodos de captacin de informacin ms objetivos.

7.3.

Registro administrativo.

Existen oficinas pblicas que llevan registros administrativos para sus propios fines. Por ejemplo, los Registros Civiles que registran los nacimientos, los casamientos, las defunciones, etc.; los Ministerios de Educacin que llevan registros de matriculacin de alumnos, desercin escolar, etc.; la Aduana que registra las importaciones y exportaciones, etc. Esta informacin puede ser utilizada con fines estadsticos y se obtiene tal como est disponible. Los fines administrativos no siempre coinciden totalmente con los fines estadsticos. [17] Por ejemplo, para un estudio sobre determinada enfermedad se puede recurrir a los registros disponibles en hospitales, sanatorios, etc. Estos registros habrn sido diseados para dar respuesta a ciertos requerimientos administrativos y seguramente la informacin que contienen no coincidir exactamente con los requerimientos estadsticos. Los registros constituyen la forma ms econmica de obtener informacin estadstica de una poblacin. 8. MUESTREO DE MEZCLAS: SOLIDOS, LIQUIDOS Y GASES. Parece razonable pensar que obtener muestras homogneas de lquidos y gases no debe presentar ningn problema. Sin embargo, la experiencia demuestra lo contrario para muestras muchos mayores que las que se pueden guardar en un recipiente de laboratorio. Consideremos nuevamente la muestra para medir el mercurio en el agua de un arroyo. Tomamos una botella con agua de esa corriente y la almacenamos durante un corto espacio de tiempo. Una vez en la botella, el agua no se mezclar ms por el propio movimiento de la corriente, de tal manera que el material particulado caer al fondo, hacindolo ms deprisa las ms grandes o pesadas. Si se han de incluir los slidos en el anlisis, el contenido de la botella se debe mezclar concienzudamente antes de tomar una alcuota para el anlisis. (A la fraccin conocida de una muestra lquida, como por ejemplo la tomada con una pipeta, se le denomina alcuota, palabra proveniente del latn alius: otro y quot: cuanto.) Si las partculas son suficientemente pequeas, las muestras que se toman de una solucin bien agitada sern homogneas. [17]. Los problemas pueden aparecer si slo unas pocas partculas grandes estn presentes, debido a que una alcuota puede tener ms o menos partculas que otra. Estas variaciones en el contenido de partculas nos conducen a anlisis menos precisos. Estos efectos descritos para partculas slidas tambin ocurren en mezclas de lquidos y slidos en suspensin en un gas.

8.1.

Muestreo de Slidos. El carbn es un material particularmente difcil de muestrear, y lo

utilizaremos para ilustrar los mtodos empleados en materiales slidos. El primer paso en el procedimiento de muestreo es seleccionar una gran porcin de carbn. Llamada muestra gruesa, la cual, aunque no es homognea, representa la composicin promedio de toda la masa. El tamao de la muestra necesaria depende de factores como son el tamao y la homogeneidad de las partculas. En el caso del carbn, la muestra gruesa debe ser como de 1000 libras, si es que las partculas no son mayores de 1 pulgada en cualquier dimensin. [18]. Existen muchas tcnicas para obtener la muestra gruesa. Si el carbn se encuentra en movimiento sobre un transportador de algn tipo, se puede separar una fraccin definida en forma continua para formar la muestra gruesa. Por otro lado, si el carbn estuviera siendo movido por medio de una pala, se podra colocar aparte cada cincuentava palada para formar la muestra gruesa. Despus de que se ha seleccionado la muestra, sta se muele o tritura, se mezcla sistemticamente y se reduce de tamao. Un mtodo utilizado para reducir la muestra de carbn consiste en apilarla dentro de un cono por medio de una pala, aplanar el cono y dividirlo en cuatro partes iguales, dos de las cuales son desechadas. Existe un aparato mecnico para subdividir la muestra y se conoce como separador. El separador consiste en una hilera de pequeos canales inclinados acomodados en forma tal que los canales alternados descargan la muestra en direcciones opuestas. De esta manera, la muestra se divide en dos en forma automtica.

Es probable que en el laboratorio se haga una molienda posterior de la muestra. Utilizando un mortero. Muchas veces es necesario moler la muestra hasta que pase por un tamiz de cierta medida. Se espera que la muestra final de laboratorio, como de 1 g, sea representativa de la muestra gruesa. Los datos analticos obtenidos solamente sern buenos si se ha tenido cuidado en el procedimiento de muestreo. 8.2.

Muestreo de Lquidos. Si el lquido que va a ser analizado es homogneo, el procedimiento de

muestreo es fcil. El proceso es mucho ms fcil si el lquido es heterogneo. En el caso de un lquido que circula, digamos, en un sistema de tubera, muchas veces las muestras se toman en diferentes puntos del sistema. En un lago o en un ro, las muestras se pueden tomar en varios sitios y a diferentes profundidades. Algunas veces, puede ser que el analista no desee tener una muestra promedio de todo el sistema lquido. Por ejemplo, al probar la purificacin de un ro contaminado con aguas fecales, las muestras pueden tomarse en cierto nmero de lugares corriente debajo de la desembocadura de la alcantarilla. Los aparatos conocidos como muestreadores de gancho pueden utilizarse para recolectar muestras de grandes cantidades de agua a diversas profundidades. Tal aparato consiste en una botella para la muestra, que est dentro de un recipiente de metal lo suficientemente pesado para llevar la botella vaca hasta la profundidad deseada. La botella est cerrada con un tapn que tiene una cuerda unida a l y que es sostenida por la persona que est tomando la muestra. El aparato se baja hasta la profundidad deseada, se jala el tapn y la botella se llena. El muestreador puede tener una vlvula de flotador que cierra la botella en forma automtica despus de que se ha llenado. [18].

8.3.

Muestreo de Gases. Hoy en da se tiene mucho inters en el muestreo de la atmsfera, debido a

los intentos de mejorar la calidad del aire que respiramos. Por supuesto, el aire es una mezcla compleja que contiene partculas de material, as como numerosos compuestos gaseosos. Su composicin depende de un nmero de factores, como el lugar, la temperatura, el viento y la lluvia. En la recoleccin de una muestra atmosfrica para anlisis, son factores importantes el volumen tomado y la velocidad y duracin del muestreo. El aire se pasa a travs de una serie de filtros finos para aislar las partculas de material y a travs de una columna llena de solucin en donde ocurre una reaccin qumica que atrapa al componente deseado. Despus de que las partculas de material se han recolectado en el filtro, puede determinarse por anlisis qumico o por pesada. [18].

9. BIBLIOGRAFA. [1]. BUENDA EISMAN, L.; COLS BRAVO, M.P. y HERNNDEZ PINA, F. (1998): Mtodos de investigacin en Psicopedagoga. McGraw-Hill, Madrid. [2]. BUGEDA, J. (1974): Manual de tcnicas de investigacin social. Instituto de Estudios Polticos, Madrid. [3]. FOX, D. J. (1981): El proceso de investigacin en Educacin. Eunsa, Pamplona.

[4]. GARCA HOZ, V. y PREZ JUSTE, R. (1984): La investigacin del profesor en el aula. Escuela Espaola, Madrid. [5]. GARRET, H. E. (1976): Estadstica en Psicologa y Educacin. Paids, Buenos Aires. [6]. GIL PASCUAL, J. A. (2004): Bases Metodolgicas de la Investigacin Educativa. (Anlisis de datos). UNED, Madrid. [7]. 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. [8]. KERLINGER, F. N. (1975): Investigacin del comportamiento.Tcnicas y Metodologa. Interamericana, Mxico. [9]. LOHR, S. L. (1999): Muestreo: Diseo y Anlisis. International. Thomson Editores, Madrid. [10]. MARN IBEZ, R. (1985): El muestreo. Tema 6. En MARN IBEZ y PREZ [11]. SERRANO, G.: Pedagoga Social y Sociologa de la Educacin. Unidades Didcticas 1, 2 y 3. UNED, Madrid. pp. 161-186 [12]. LATORRE, A., RINCN D. del y ARNAL, J. (2003): Bases Metodolgicas de la Investigacin Educativa. Experiencia S.L., Barcelona. [13]. RAE (2001): Poblacin / Muestra [en linea]. Diccionario de la Lengua Espaola, 22 Edicin. Disponible en: http://www.rae.es/ [14]. ROSS, K. N. (1988): Sampling errors. En KEEVES, J. P. (ed.). Educational research, methodology, and measurement. An international handbook. Pergamon Press, Oxford. [15]. SIERRA BRAVO, R. (1988): Tcnicas de investigacin Social. Teora y Ejercicios. Paraninfo, Madrid.

TIPOS DE MUESTREO
[16]. minnie.uab.es/~veteri/21216/TiposMuestreo1.pdf [17]. www.nureinvestigacion.es/FICHEROS.../F.../FMetodologica_27.pdf [18]. Material/elmuestreo.pdfminnie.uab.es/~veteri/21216/TiposMuestreo1.pdf