{"id":49853,"date":"2018-08-29T13:42:34","date_gmt":"2018-08-29T12:42:34","guid":{"rendered":"https:\/\/recercapau.org\/muestreo\/"},"modified":"2018-08-29T13:42:34","modified_gmt":"2018-08-29T11:42:34","slug":"muestreo","status":"publish","type":"post","link":"https:\/\/recercapau.org\/es\/muestreo\/","title":{"rendered":"Muestreo"},"content":{"rendered":"

Para estudiar diferentes aspectos de una poblaci\u00f3n, a menudo es necesario delimitar una muestra de la misma, ya que no ser\u00e1 posible interrogar o observar cada individuo de la poblaci\u00f3n estudiada.<\/p>\n

\"\"El hecho de trabajar con muestras no es ideal, pero facilita el estudio a nivel de tiempo, presupuesto, acceso a la informaci\u00f3n. De todos modos, habr\u00e1 que garantizar la representatividad de la poblaci\u00f3n de la que se ha extra\u00eddo.<\/p>\n

Algunos t\u00e9rminos que hay que tener claros son:<\/p>\n

    \n
  1. – Poblaci\u00f3n:<\/strong> Conjunto de todas las personas u objetos de los que queremos conocer un fen\u00f3meno o aspecto de una realidad.<\/li>\n
  2. – Muestra:<\/strong> Parte de la poblaci\u00f3n con la que realizaremos la investigaci\u00f3n.<\/li>\n
  3. – Individuo:<\/strong> Cada uno de los elementos que componen la muestra. Pueden ser objetos, eventos o personas.<\/li>\n
  4. – Generalizaci\u00f3n:<\/strong> La posibilidad de aplicar los resultados o conclusiones de los elementos de la muestra a toda la poblaci\u00f3n de la que se ha obtenido.<\/li>\n
  5. – Error aleatorio o de muestreo:<\/strong> La diferencia entre los resultados obtenidos con la muestra y los resultados que se habr\u00edan obtenido si se hubiera estudiado toda la poblaci\u00f3n.<\/li>\n
  6. – Intervalo de confianza:<\/strong> Indica el nivel de precisi\u00f3n alcanzado con la descripci\u00f3n de una caracter\u00edstica poblacional a partir de la muestra.<\/li>\n<\/ol>\n

    Aplicaciones:<\/h3>\n

    A la hora de determinar cu\u00e1ntas personas hay que interrogar u observar, y si las personas escogidas ser\u00e1n representativas de la poblaci\u00f3n en general, es necesario utilizar las t\u00e9cnicas validadas para el muestreo. Estas t\u00e9cnicas son empleadas en las metodolog\u00edas cuantitativas, sobre todo en los m\u00e9todos de encuesta.<\/p>\n

    Tipo de muestreo:<\/h3>\n
      \n
    1. Probabil\u00edstico:<\/strong> Proceso de selecci\u00f3n mediante el cual todos los elementos de la poblaci\u00f3n tienen la misma probabilidad de ser seleccionados. Puede ser:\n
        \n
      • Aleatorio simple:<\/strong> Cada elemento tiene la misma probabilidad de ser incluido en la muestra. Se define la poblaci\u00f3n, se confecciona una lista de las unidades de la poblaci\u00f3n, se asigna un n\u00famero a cada unidad de la poblaci\u00f3n, se determina el tama\u00f1o de la muestra, y se escogen las unidades al azar.<\/li>\n
      • Aleatorio sistem\u00e1tico:<\/strong> Similar al anterior, pero el procedimiento es diferente. Primero se determina el tama\u00f1o de la muestra. Despu\u00e9s se calcula el intervalo de selecci\u00f3n que resulta de dividir el total de la poblaci\u00f3n (N) por el tama\u00f1o de la muestra (n). Al azar se determina por qu\u00e9 elemento se inicia la selecci\u00f3n, y luego se aplica el intervalo de selecci\u00f3n para escoger el resto de elementos.<\/li>\n
      • Aleatorio estratificado:<\/strong> En poblaciones muy grandes los procedimientos anteriores pueden ser muy tediosos; por ello, a menudo se recurre a estratificar la muestra seg\u00fan las caracter\u00edsticas (sexo, edad, barrio…) de la poblaci\u00f3n. Este tipo de muestreo es \u00fatil cuando queremos mayor precisi\u00f3n en poblaciones no homog\u00e9neas, para reducir los costes y los esfuerzos del estudio. Un inconveniente es que a menudo no disponemos de listas de toda la poblaci\u00f3n con las caracter\u00edsticas para la estratificaci\u00f3n. A la hora de establecer cu\u00e1ntos individuos de cada estrato se incluyen en la muestra lo podemos hacer por el m\u00e9todo simple (n\/n\u00ba estratos por cada estrato) o de forma proporcional (n\/N * n\u00ba individuos del estrato).<\/li>\n
      • Por conglomerados:<\/strong> Se utiliza cuando se tienen peque\u00f1os grupos y poco homog\u00e9neos. En este caso, la unidad muestral no es el individuo, sino el conjunto al que pertenece (aula, familia, club, urna electoral, bloque de pisos…). Los conglomerados, a diferencia de los estratos, son heterog\u00e9neos y buscan ser representativos de la poblaci\u00f3n.<\/li>\n<\/ul>\n<\/li>\n
      • No probabil\u00edstico:<\/strong> No todos los elementos tienen la misma probabilidad de pertenecer a la muestra. Tambi\u00e9n se llama muestreo emp\u00edrico. Son t\u00e9cnicas menos precisas pero a la vez menos costosas.\n
          \n
        • De conveniencia:<\/strong> Se seleccionan los individuos a medida que se encuentran.<\/li>\n
        • Intencional:<\/strong> Se escogen los elementos de la muestra en funci\u00f3n de las caracter\u00edsticas t\u00edpicas de lo que se quiere estudiar.<\/li>\n
        • Por cuotas:<\/strong> Muy utilizado en estudios de opini\u00f3n. Se escogen personas que re\u00fanen ciertas caracter\u00edsticas (edad, g\u00e9nero, nacionalidad, etc.) que se quieren considerar.<\/li>\n
        • Bola de nieve:<\/strong> Obtenemos la muestra a partir de individuos que nos facilitan los miembros que ya hemos incluido. Se utiliza cuando es dif\u00edcil el contacto con las personas que nos interesan (estudios de toxicoman\u00eda, delincuencia…).<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n

          Obtenci\u00f3n del tama\u00f1o adecuado:<\/h3>\n

          Hay que tener en cuenta que a la hora de definir una muestra existen una serie de errores estad\u00edsticos asociados a la misma, y que es imprescindible indicarlos a la hora de tratar los resultados del estudio en cuesti\u00f3n. Estos son el error muestral y el nivel de confianza.<\/p>\n

          La siguiente tabla muestra las f\u00f3rmulas para calcular el tama\u00f1o de la muestra representativa en funci\u00f3n del error muestral (e), el nivel de confianza deseado (K), el total de la poblaci\u00f3n (N; puede ser finito o infinito) y la probabilidad de lo que queremos observar (p).<\/p>\n

          \"\"<\/p>\n

          Imaginemos que queremos calcular el tama\u00f1o de la muestra (n) que necesitamos para hacer un estudio sobre el consumo de alcohol entre los menores de un instituto de 1500 alumnos (N). El nivel de confianza deseado (K; ver pie de tabla) es del 99,7% y el margen de error del 3%. No tenemos informaci\u00f3n de estudios previos sobre el consumo de alcohol en j\u00f3venes; en este caso, la probabilidad del suceso se fija en 50% (p=0,5)<\/p>\n

          Utilizando la tabla, podremos ver cu\u00e1ntos alumnos deberemos incluir en la muestra para que sea representativa.<\/p>\n

          La poblaci\u00f3n es finita, por lo que el c\u00e1lculo queda:<\/p>\n

          (1500 x 3×3 x 50 x 50) \/ (1499 x 3×3 + 3×3 x 50 x 50) = 937<\/p>\n

          Podemos ver c\u00f3mo reduciendo el nivel de confianza a K=2 (95,5%) obtendremos tama\u00f1os de muestra m\u00e1s peque\u00f1os:<\/p>\n

          (1500 2×2 x 50 x 50) \/ (1499 x 3×3 + 2×2 x 50 x 50) = 639<\/p>\n

          Procedimiento:<\/h3>\n
            \n
          1. Definir la poblaci\u00f3n a utilizar:<\/strong> Se diferencia entre poblaci\u00f3n Objeto y poblaci\u00f3n Origen, entendiendo por poblaci\u00f3n Objeto aquella de la que se quieren obtener los datos, y por poblaci\u00f3n Origen la que representar\u00e1 la fuente de los datos. Esta diferenciaci\u00f3n se aplica en casos en los que, por diversas razones, no podemos obtener acceso directo a la poblaci\u00f3n Objeto (vulneraci\u00f3n de la intimidad, datos sensibles, etc.) y, por tanto, tenemos que recurrir a documentos u otros recursos, a los que denominamos poblaci\u00f3n Origen.<\/li>\n
          2. Hacer un listado de la poblaci\u00f3n:<\/strong> Es un listado de las unidades de muestreo.<\/li>\n
          3. Elegir la t\u00e9cnica de muestreo:<\/strong> Elija entre las diferentes t\u00e9cnicas aquella que permita m\u00e1xima representatividad de la muestra con un coste m\u00ednimo.<\/li>\n
          4. Obtener la muestra adecuada:<\/strong> Tres factores posibilitan la obtenci\u00f3n de un tama\u00f1o adecuado de la muestra: el tipo de poblaci\u00f3n, el tipo de dise\u00f1o de la muestra y el grado de precisi\u00f3n que se quiere alcanzar.<\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"

            Para estudiar diferentes aspectos de una poblaci\u00f3n, a menudo es<\/p>\n","protected":false},"author":3,"featured_media":44948,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-49853","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry"],"_links":{"self":[{"href":"https:\/\/recercapau.org\/es\/wp-json\/wp\/v2\/posts\/49853","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/recercapau.org\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/recercapau.org\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/recercapau.org\/es\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/recercapau.org\/es\/wp-json\/wp\/v2\/comments?post=49853"}],"version-history":[{"count":0,"href":"https:\/\/recercapau.org\/es\/wp-json\/wp\/v2\/posts\/49853\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/recercapau.org\/es\/wp-json\/wp\/v2\/media\/44948"}],"wp:attachment":[{"href":"https:\/\/recercapau.org\/es\/wp-json\/wp\/v2\/media?parent=49853"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/recercapau.org\/es\/wp-json\/wp\/v2\/categories?post=49853"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/recercapau.org\/es\/wp-json\/wp\/v2\/tags?post=49853"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}