UNIDAD 9

Universo o poblacin son palabras utilizadas tcnicamente para referirse al conjunto total de elementos que constituyen un rea de inters analtico. Los elementos que constituyen a una poblacin no tienen que se necesariamente individuos humanos. Los parmetros poblacionales (o simplemente parmetros, o valores verdaderos) caracterizan las distribuciones en la poblacin o universo; la media aritmtica o la desviacin estndar. Se denomina muestra a un subconjunto del conjunto total que es el universo o poblacin. La teora del muestreo tiene como propsito establecer los pasos o procedimientos a travs de los cuales sea posible hacer generalizaciones sobre la poblacin a partir de un subconjunto de la misma, con un grado mnimo de error. No toda muestra tiene como propsito sacar conclusiones acerca de la poblacin; existen varios tipos de muestreo que se ocupan de seleccin de muestras para otros propsitos Los valores maestrales son los estadsticos computados a partir de las muestras, y con los cuales se buscar estimar los parmetros poblaciones. No toda muestra o no toda investigacin tiene como propsito obtener conclusiones acerca de la poblacin. Una muestra debe en general satisfacer dos condiciones: 1) En ella debe ser posible poner a prueba hiptesis sustantivas, esto es, proposiciones acerca de relaciones entre variables, y 2) Debe ser posible poner a prueba hiptesis de generalizacin de la muestra al universo- sobre las proposiciones establecidas en la muestra. Es necesario que las muestras sean probabilsticas, ya que la determinacin del grado de incertidumbre o de confianza que pueda atribuirse a las inferencias depende en sus cmputos de la teora de las probabilidades. En algunas ocasiones la muestra en s puede desvirtuar la investigacin en el sentido que los procedimientos maestrales pueden conducir a una desestructuracin del universo. Muestras en donde la comprobacin o refutacin de la hiptesis pasa a ser el resultado de procedimientos de muestreo. Distintos tipos de muestras: El problema del muestreo surge cuando la poblacin a estudiar es demasiado numerosa. Se trata entonces de seleccionar a un subconjunto que minimice costos al mismo tiempo que no se produzca prdida de precisin. La teora del muestreo son seleccionadas de manera tal que el subconjunto resultante (la muestra) contenga el mnimo de sesgos posibles. - Muestras predispuestas: Aquellas que han sido seleccionadas de manera tal que la comprobacin o la refutacin de las hiptesis pasa a ser el resultado de procedimientos de muestreo. - Muestras no predispuestas: Aquellas cuya probabilidad de extraccin es conocida. Hay dos muestras de este tipo: muestras cuya probabilidad de ser extradas es cero o uno (finalistas); o muestras cuya probabilidad de ser extradas es diferente de cero o de uno (probabilsticas). Las muestras que vamos a considerar son: A) MUESTRAS PROBABILSTICAS: Todos los elementos que componen el conjunto total o universo, tienen la probabilidad conocida de ser incluidos en la muestra. 1- Muestreo simple al azar: Todas las muestras y todos los elementos tienen la misma probabilidad de ser seleccionados. Esa probabilidad es conocida y diferente de cero y de uno. La probabilidad para un individuo o elemento de ser extrado en la muestra resulta de:p=1/N. La ecuacin nos va a sealar la probabilidad que la combinacin de n elementos tiene de ser seleccionada. Y esa probabilidad es la misma para cada una de las muestras posibles de tamao n. Cualquiera sea el muestreo probabilstico, en algn nivel de ste hay que recurrir al muestreo aleatorio simple.

- A medida que la muestra es ms pequea, la probabilidad de error es mayor; entonces, las decisiones en la determinacin del tamao de la muestra se plantean para compatibilizar la disponibilidad de recursos con la precisin deseada en las estimaciones. No interesa tanto el tamao exacto de la muestra como la ganancia en trminos de nivel de significacin que el investigador puede obtener aumentando un nmero determinado de unidades. Dos maneras de razonar: La primera surge de los mtodos estadsticos utilizados para el anlisis y comprobacin de las hiptesis; para la determinacin del tamao de la muestra, se parte de diferencias mnimas. Los niveles de significacin mayormente utilizados en ciencias sociales son de .05 y .01; para ello la ecuacin original sera ahora, en el caso de un nivel de significacin del 5%. Aumentos sucesivos en el tamao de la muestra, producen disminuciones cada vez menores en el error estndar del estimador. El decremento del error estndar cuando el tamao de la muestra crece de50 a 100, es mayor que cuando la muestra dado, los decrementos del error de estimacin requieren tamaos de muestra mayores. La segunda manera de razonar, se hace a partir de la siguiente pregunta: Cul es la utilidad que se desea en trminos de disminucin del error, para un aumento de tamao de la muestra? - Seleccin de una muestra aleatoria en poblaciones de tamao finito : La extraccin de una muestra aleatoria simple en una poblacin finita, requiere de un listado de todos los elementos de la poblacin. Una vez definida la poblacin se debe hacer un listado de la misma, se les asigna un nmero. Es importante que en la enumeracin del investigador coloque los ceros a la izquierda cuando estos corresponden, sobre todo si va a utilizar para la extraccin tablas aleatorias; cada nmero debe tener la misma cantidad de dgitos que el nmero total de la poblacin. Estas tablas son un conjunto de nmeros naturales que incluyen el cero, presentados en una forma particular y que son obtenidos por medio de algn procedimiento aleatorio que asegura que esos nmeros no estn dispuestos en ningn orden en particular, con el conocimiento de cualquier nmero en la tabla no es posible conocer qu nmero lo precede o antecede. Etapas: 1) Se enumera, siguiendo los criterios sealados ms arroba, a todos los individuos que componen el universo. 2) Se determina el tamao de la muestra. 3) Se selecciona una pgina cualquiera de la tabla de nmeros aleatorios. Puesto que en cada pgina los nmeros aleatorios aparecen disgustos en columnas, es necesario considerar tantas columnas como dgitos tenga la poblacin. La ventaja de este sistema es que se reconoce mucho ms rpidamente qu sujetos aparecen repetidos. VENTAJAS: No supone el conocimiento previo de ninguna de las caractersticas de la poblacin de la cual se va a extraer la muestra. No es necesario conocer la frecuencia relativa con que se dan las caractersticas poblacionales en cada uno de los estratos. Esto significa que una muestra aleatoria simple est libre de los sesgos que se pueden introducir por el uso de ponderaciones incorrectas en las unidades maestrales. Es relativamente simple determinar la precisin de las estimaciones que se hacen a partir de las observaciones maestrales porque los errores estndar de los estimadores siguen distribuciones de probabilidad conocida. Tiende a reflejar todas las caractersticas del universo, esto es, cuando el tamao de la muestra crece, sta se hace cada vez ms representativa del universo o poblacin. DESVENTAJAS: Supone un listado completo de todas las unidades que componen la poblacin. Aun cuando se cuente con este listado, su numeracin demanda mucho tiempo y trabajo que pueden ser ahorrados si se emplea un diseo muestral distinto. Supone un tamao de muestra mayor que otros diseos para obtener un mismo nivel de confiabilidad. Para un mismo tamao de muestra, las estimaciones hechas a partir de una muestra estratificada son ms precisas que las mismas estimaciones hechas a partir de una muestra aleatoria simple. Es probable que las unidades muestreadas queden muy distantes unas de otras, con lo cual el costo para obtener la informacin de estas

unidades crece con la dispersin espacial de las mismas. Otros diseos maestrales permiten reducir al mnimo esta dispersin. 2- Muestreo sistemtico: Hay que confecciona un listado de todos los elementos que incluye la poblacin; una vez en posesin del listado de la poblacin, la diferencia estriba en el mtodo para la seleccin de los casos. Aqu la seleccin se realiza por un procedimiento ms mecnico que representa un gran ahorro de tiempo. Una vez hecho el listado y determinado el tamao de la muestra se procede de la siguiente manera: Se selecciona al azar un nmero comprendido en la cantidad que resulte de dividir el tamao de la poblacin entre el tamao de la muestra y a partir de ese nmero se seleccionan las unidades a cada 50 casos hasta completar las 1000 unidades. VENTAJA: Tiene una gran ventaja econmica ya que facilita la seleccin de la muestra, sobre todo en aquellos casos en los que ya existe un listado. DESVENTAJAS: Desde el punto de vista estrictamente estadstico, este tipo de muestreo no es probabilstico ya que, si bien es correcto que una ve iniciado el muestreo las probabilidades son las mismas para la primera seleccin, una vez elegido este nmero, la muestra pasa a ser finalista. La desventaja ms sobresaliente es la que puede resultar de los sesgos propios del listado que estamos utilizando. 3- Muestreo estratificado: Es conveniente cuando la poblacin o universo puede ser dividido en categoras, estratos o grupos que tienen un inters analtico, y que por razones tericas y empricas presentan diferencias entre ellos. La ventaja que ofrece la estratificacin es que mediante ella se logra una mayor homogeneizacin de la muestra final. Una vez definidos los estratos y dividido el universo en estratos o valores segn una o varias variables, es posible diferenciar dos tipos de muestras estratificadas: a) Muestra estratificada proporcional: Es aquella en la cual la fraccin de muestreo es igual para cada estrato. Una vez determinada la proporcin, se seleccionan las muestras dentro de cada estrato segn los procedimientos del muestreo aleatorio simple sealado ms arriba. El mtodo de seleccin entonces es el siguiente: Estratifico a la poblacin en tres clases. Confecciono un listado independiente para cada estrato, enumerando a mis sujetos. Procedo a la seleccin, por los mtodos indicados en el muestreo aleatorio simple. Con ello logro que la muestra de 50 casos sea una rplica proporcional exacta del universo, en lo que a clase social se refiere. Para los propsitos de generalizacin las muestras estratificadas proporcionales no ofrecen complicaciones en el clculo. b) Muestra estratificada no proporcional: Es aquella donde existen diferencias en las fracciones de muestreo. VENTAJAS: La muestra es ms homognea, garantizando la representividad, elimina los errores en la estimacin que son producto de diferencias entre estratos. Una ventaja adicional ofrecida por el muestreo estratificado no proporcional, es la de posibilitar un mejor conocimiento de grupos pequeos. DESVENTAJAS: Supone el conocimiento previo de las caractersticas de la poblacin, a partir de las cuales se estratifica. Son de costo ms elevado de las aleatorias simples. Exigen tratamientos estadsticos de clculo ms complejo. Pueden existir dificultades en la determinacin de estratos homogneos. La muestra estratificada proporcional algunas veces puede no proveer de un nmero suficiente de casos para analizar comparativos Inter-estratos. c) Muestreo por conglomerados: Cuando se tiene por objeto de estudio a unidades tales como naciones, estados y similares, que admiten subdivisiones o que ya contienen distintos conglomerados. El investigador considera el muestreo por conglomerados en aquellos casos en los cuales la poblacin a estudiar est dispersa a lo largo de reas geogrficas extensas o situaciones similares, donde los costos para alcanzar las unidades resultan ser muy elevados. Los procedimientos para la seleccin de la muestra en este tipo de muestreo son los siguientes: En necesario dividir a la poblacin en conglomerados lo ms homogneos que sea posible. Esta divisin por conglomerados puede hacerse a varios niveles, se puede operar en varios escalones o etapas. Una vez determinados los

conglomerados, se selecciona al azar del primer nivel de conglomerados a una proporcin determinada de los mismos. Dentro de los conglomerados seleccionados en b, procedemos a una nueva seleccin de conglomerados al interior de cada uno de ellos. Si procedemos por el mismo mtodo a seleccionar dentro de un tercer, o cuarto nivel, hablamos de muestras de escalones mltiples. Una vez determinados los conglomerados, se procede a una seleccin aleatoria entre conglomerados, y una vez seleccionados stos, tomamos todas las unidades al interior de cada conglomerado seleccionado. Esta es la diferencia entre una muestra por conglomerados y una muestra estratificada. En la muestra estratificada, una vez determinados los estratos, seleccionbamos los casos al interior de cada estrato. VENTAJAS: La concentracin de las unidades en reas, lo que evita el desplazamiento a lo largo de reas muy extensas, representando consecuentemente una economa de gastos en trminos de energas, costos y tiempos. DESVENTAJAS: Exige tratamientos estadsticos algo complejos. En comparacin al muestreo aleatorio simple o al estratificado, representa prdidas en precisin. La muestra pierde carcter de probabilstica, en la medida que una vez seleccionados los conglomerados primeros, la probabilidad de ser extrados que tienen los individuos del resto de los conglomerados es cero. Los cuatro tipos de muestras pueden ser aplicados en situaciones diferentes, siendo tambin posible hacer combinaciones entre ellos. La muestra aleatoria simple, cuando la cantidad de casos es abundante, en trminos generales debe ser preferida al resto de las otras muestras, particularmente cuando no se conoce lo suficiente sobre los parmetros poblacionales. Cuando es posible estratificar hay que hacerlo, ya que esto homogeniza la muestra y los clculos consiguientes resultan de mayor riqueza y representativad. La muestra por conglomerados si bien tiene algunas limitaciones en trminos de inferencia, representa muchas veces la nica salida cuando los recursos disponibles no son suficientes para plantear cualquiera de las dos primeras alternativas. La muestra sistemtica debe ser utilizada nicamente en aquellos casos en que resulte imposible o demasiado costoso aplicar una muestra aleatoria simple, como una etapa secundaria de un muestreo complejo. B) MUESTRAS NO PROBABILSTICAS: es posible a partir de ellas calcular el error de estimacin de parmetros. 1- Muestras casuales: La tcnica consiste simplemente en entrevistar a sujetos en forma casual. Este tipo de muestreo y las investigaciones en las cuales se aplica requieren en personal menos calificado, de manera que el costo resulta muy reducido. A partir de ellas es casi imposible hacer alguna generalizacin vlida que vaya ms all de las caractersticas de los individuos que andan a pie, en determinadas horas, por determinadas calles, etc. 2- Las muestras intencionales: Son el producto de una seleccin de casos segn el criterio de algn experto; por medio de esto se seleccionan algunos casos que resultan ser tpicos. No son totalmente intiles, porque resultan de importancia de las etapas exploratorias de la investigacin, sobre todo si se utiliza a estos casos como informantes claves sobre situaciones especficas. 3- Las muestras por cuotas: Son en alguna medida una especie de muestra estratificada y son muy utilizadas por algunas agencias de investigacin de mercado. C) MUESTRAS PARA PROBAR HIPTESIS SUSTANTIVAS: Las muestras para poner a prueba hiptesis sustantivas deben ser seleccionadas de manera tal que contengan el tipo de elementos sobre los cuales hacen referencia las proporciones en que el investigador est interesado. Quiere garantizar que su muestra contenga unidades suficientes de un tipo determinado. Es decir que la muestra debe ser suficientemente homognea. El procedimiento para la determinacin del tamao de la matriz de datos depende entonces de la cantidad de variables (n) y del nmero de valores en cada variable (r).

El nmero de casos debe ser suficiente para aproximar la distribucin muestral a la poblacin. Para ello parte de intervalos de confianza. Necesidad de que los porcentajes que se computen estn sujetos a grandes variaciones, cuando se dan pequeos cambios en las cifras absolutas. Las muestras para probar hiptesis sustantivas son de mucha utilidad y es posible compatibilizar las exigencias de un muestreo probabilstico, con las exigencias para probar hiptesis sustantivas. Las ventajas de plantear el problema del muestreo de esta manera, estn vinculadas al proceso total de la investigacin, ya que obligan al investigador a explicar como hiptesis, y a pensar desde un comienzo en los mtodos a utilizar.