Portal Paula

Muestreo

Para estudiar diferentes aspectos de una poblaci贸n, a menudo es necesario delimitar una muestra de la misma, ya que no ser谩 posible interrogar o observar cada individuo de la poblaci贸n estudiada.

El hecho de trabajar con muestras no es ideal, pero facilita el estudio a nivel de tiempo, presupuesto, acceso a la informaci贸n. De todos modos, habr谩 que garantizar la representatividad de la poblaci贸n de la que se ha extra铆do.

Algunos t茅rminos que hay que tener claros son:

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

Aplicaciones:

A la hora de determinar cu谩ntas personas hay que interrogar u observar, y si las personas escogidas ser谩n representativas de la poblaci贸n en general, es necesario utilizar las t茅cnicas validadas para el muestreo. Estas t茅cnicas son empleadas en las metodolog铆as cuantitativas, sobre todo en los m茅todos de encuesta.

Tipo de muestreo:

  1. Probabil铆stico: Proceso de selecci贸n mediante el cual todos los elementos de la poblaci贸n tienen la misma probabilidad de ser seleccionados. Puede ser:
    • Aleatorio simple: Cada elemento tiene la misma probabilidad de ser incluido en la muestra. Se define la poblaci贸n, se confecciona una lista de las unidades de la poblaci贸n, se asigna un n煤mero a cada unidad de la poblaci贸n, se determina el tama帽o de la muestra, y se escogen las unidades al azar.
    • Aleatorio sistem谩tico: Similar al anterior, pero el procedimiento es diferente. Primero se determina el tama帽o de la muestra. Despu茅s se calcula el intervalo de selecci贸n que resulta de dividir el total de la poblaci贸n (N) por el tama帽o de la muestra (n). Al azar se determina por qu茅 elemento se inicia la selecci贸n, y luego se aplica el intervalo de selecci贸n para escoger el resto de elementos.
    • Aleatorio estratificado: En poblaciones muy grandes los procedimientos anteriores pueden ser muy tediosos; por ello, a menudo se recurre a estratificar la muestra seg煤n las caracter铆sticas (sexo, edad, barrio…) de la poblaci贸n. Este tipo de muestreo es 煤til cuando queremos mayor precisi贸n en poblaciones no homog茅neas, para reducir los costes y los esfuerzos del estudio. Un inconveniente es que a menudo no disponemos de listas de toda la poblaci贸n con las caracter铆sticas para la estratificaci贸n. A la hora de establecer cu谩ntos individuos de cada estrato se incluyen en la muestra lo podemos hacer por el m茅todo simple (n/n潞 estratos por cada estrato) o de forma proporcional (n/N * n潞 individuos del estrato).
    • Por conglomerados: Se utiliza cuando se tienen peque帽os grupos y poco homog茅neos. 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茅neos y buscan ser representativos de la poblaci贸n.
  2. No probabil铆stico: No todos los elementos tienen la misma probabilidad de pertenecer a la muestra. Tambi茅n se llama muestreo emp铆rico. Son t茅cnicas menos precisas pero a la vez menos costosas.
    • De conveniencia: Se seleccionan los individuos a medida que se encuentran.
    • Intencional: Se escogen los elementos de la muestra en funci贸n de las caracter铆sticas t铆picas de lo que se quiere estudiar.
    • Por cuotas: Muy utilizado en estudios de opini贸n. Se escogen personas que re煤nen ciertas caracter铆sticas (edad, g茅nero, nacionalidad, etc.) que se quieren considerar.
    • Bola de nieve: Obtenemos la muestra a partir de individuos que nos facilitan los miembros que ya hemos incluido. Se utiliza cuando es dif铆cil el contacto con las personas que nos interesan (estudios de toxicoman铆a, delincuencia…).

Obtenci贸n del tama帽o adecuado:

Hay que tener en cuenta que a la hora de definir una muestra existen una serie de errores estad铆sticos asociados a la misma, y que es imprescindible indicarlos a la hora de tratar los resultados del estudio en cuesti贸n. Estos son el error muestral y el nivel de confianza.

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

Imaginemos que queremos calcular el tama帽o 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贸n de estudios previos sobre el consumo de alcohol en j贸venes; en este caso, la probabilidad del suceso se fija en 50% (p=0,5)

Utilizando la tabla, podremos ver cu谩ntos alumnos deberemos incluir en la muestra para que sea representativa.

La poblaci贸n es finita, por lo que el c谩lculo queda:

(1500 x 3×3 x 50 x 50) / (1499 x 3×3 + 3×3 x 50 x 50) = 937

Podemos ver c贸mo reduciendo el nivel de confianza a K=2 (95,5%) obtendremos tama帽os de muestra m谩s peque帽os:

(1500 2×2 x 50 x 50) / (1499 x 3×3 + 2×2 x 50 x 50) = 639

Procedimiento:

  1. Definir la poblaci贸n a utilizar: Se diferencia entre poblaci贸n Objeto y poblaci贸n Origen, entendiendo por poblaci贸n Objeto aquella de la que se quieren obtener los datos, y por poblaci贸n Origen la que representar谩 la fuente de los datos. Esta diferenciaci贸n se aplica en casos en los que, por diversas razones, no podemos obtener acceso directo a la poblaci贸n Objeto (vulneraci贸n de la intimidad, datos sensibles, etc.) y, por tanto, tenemos que recurrir a documentos u otros recursos, a los que denominamos poblaci贸n Origen.
  2. Hacer un listado de la poblaci贸n: Es un listado de las unidades de muestreo.
  3. Elegir la t茅cnica de muestreo: Elija entre las diferentes t茅cnicas aquella que permita m谩xima representatividad de la muestra con un coste m铆nimo.
  4. Obtener la muestra adecuada: Tres factores posibilitan la obtenci贸n de un tama帽o adecuado de la muestra: el tipo de poblaci贸n, el tipo de dise帽o de la muestra y el grado de precisi贸n que se quiere alcanzar.

"Trackback" Enlace desde tu web.

Deja un comentario

 

La Agenda 2030 de la ONU incluye, entre sus metas, la Educaci贸n para la Ciudadan铆a Global.

La Agenda 2030 de la ONU incluye, entre sus metas, la Educaci贸n para la Ciudadan铆a Global.

El Objetivo 4 de la Agenda 2030 para el Desarrollo Sostenible de las Naciones Unidas incluye, en su meta 4.7, como prop贸sito de aqu铆 a 2030:

Garantizar que todo el alumnado adquiera los conocimientos te贸ricos y pr谩cticos necesarios para promover el desarrollo sostenible, entre otras cosas mediante la educaci贸n para el desarrollo sostenible y la adopci贸n de estilos de vida sostenibles, los derechos humanos, la igualdad de g茅nero, la promoci贸n de una cultura de paz y noviolencia, la ciudadan铆a mundial y la valoraci贸n de la diversidad cultural y de la contribuci贸n de la cultura al desarrollo sostenible.

Nuestros gobiernos han suscrito este acuerdo internacional y, por lo tanto, se comprometen a darle cumplimiento.


Una iniciativa de:
Con el apoyo de:
Diputaci贸 de Barcelona

 

 

Powered by Warp Theme Framework