deben situarse claramente en torno a sus caractersticas de

contenido, lugar y en el tiempo; por lo tanto se establece que

las caracterstica de la poblacin son la homogeneidad, tiempo,
espacio y cantidad (p.85).
MUESTRA
Tamayo y Tamayo (1998) definen a la muestra como el conjunto de
operaciones que se realizan para estudiar la distribucin de determinados
caracteres en la totalidad de una poblacin universal o colectiva partiendo
de la observacin de una fraccin de la poblacin considerada (p.84)
Adems, Sabino (2002) expresa que la muestra es un subconjunto
de la poblacin. Una muestra es la que recoge todas las caractersticas
relevantes de la poblacin y Hernndez, Sampieri y Batista (2010)
llaman muestra a una parte de la poblacin a estudiar qu sirve para
representarla. (p.85)
Como se selecciona una muestra
Sampieri (2010) considera En realidad, pocas veces es posible
medir a toda la poblacin, por lo que obtenemos o seleccionamos una
muestra y, desde luego, se pretende que este subconjunto sea un reflejo
fiel del conjunto de la poblacin (p.175)
Tipos de muestra
Segn Sabino (2002), se comprenden las siguientes tipos de muestras:

Accidentales: una muestra accidental es aquella que se obtiene

sin ningn plan preconcebido, resultado las unidades escogidas
producto de circunstancias fortuitas. Si, por ejemplo, entrevistamos
a los primeros cincuenta transentes que pasan por una 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, porque correspondern a circunstancias
peculiares del lugar y momento en que se tom la muestra. El
investigador no puede saber, entonces, hasta qu punto sus
resultados podrn proyectarse, con confiabilidad, hacia el conjunto
ms amplio que desea conocer
3

Por cuotas: una muestra por cuotas consiste en predeterminar la

cantidad de elementos de cada categora que habrn de integrarla.
As podemos asignar una cuota de 50 hombres y 50 mujeres a una
muestra de 100 individuos, asumiendo que sea 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 muestra por

cuotas se reduce considerablemente.

Intencionales: una muestra intencional escoge sus unidades no en forma
fortuita sino completamente arbitraria, designando a cada unidad segn
caractersticas que para el investigador resulten de relevancia. Estas
muestras son muy tiles y se frecuentemente en los estudios de caso, por
ms que la posibilidad de generalizar conclusiones, a partir de ellas, sea
en rigor nula.
El otro tipo de muestra es la probabilstica se elige mediante reglas
matemticas, por lo que la probabilidad de seccin de cada unidad es
conocida de antemano. En la muestra probabilstica cada uno de los
elementos del universo tiene una probabilidad determinada y conocida de
ser seleccionado. Para que esto suceda as es necesario proceder a la
extraccin de la muestra mediante ciertas tcnicas, capaces de
garantizarnos que cada elemento de la misma posea una probabilidad
conocida de aparecer en ella. Los procedimientos ms usuales para la
obtencin de muestra probabilstica son las siguientes: al simple, al azar
sistemtico, por conglomerados y estratificadas.
Al azar simple: este procedimiento se inicia confeccionado una
lista de todas las unidades que configuran el universo, numerado
correlativamente cada una de ellas. Luego, mediante cualquier
sistema (programa de computacin, tabla de nmeros al azar, entre
otros) se van sorteando al azar estos nmeros hasta completar el
total de unidades que deseamos que entren en la muestra. De este
la probabilidad que cada elemento tiene de aparecer en la muestra
es exactamente la misma. Este mtodo nos garantiza una
seleccin completamente aleatoria pero resulta muy lento y

costoso pues nos obliga a elaborar listas completamente de todas

las unidades de inters, lo cual a veces resulta sencillamente
imposible. Adems se requiere realizar una por una seleccin de
cada elemento, lo que es evidentemente muy fatigoso y caro
cuando las dimensiones del universo son grandes.
Por este motivo slo se emplea el sistema del azar simple cuando
los universos son relativamente pequeos, cuando por diversas
razones es posible conocer taxativamente cada una de las
unidades y cuando adems la muestra no tiene dimensiones muy
amplias. Este mtodo no ser adecuado si, por ejemplo, queremos
sacar una muestra de todas las personas analfabetas que existen
en un pas, pues por su nmero y por lo en determinado de su
situacin nos ser imposible confeccionar la lista de todas las que
existen. En cambio, si nuestra intencin es extraer una muestra del
universo de todos los alumnos que ingresan a una universidad en
un determinado ao, resultar un mtodo adecuado, por supuesto
que se trata de una menor de unidades que adems estn

registradas ya en listas pertinentes.

Al azar sistemtico: este tipo de muestra parte de una idea bsica
muy similar a la de la tcnica anterior requirindose tambin, en
este caso, de un listado completo de las unidades que integran el
universo en estudio. Las ventajas y desventajas de este
procedimiento son casi idnticas a las de las muestra al azar
simple, aunque estas ltimas se prefieren ahora ms que hace
unos aos, ya que los procedimientos computacionales hacen
mucho ms fcil efectuar el sorteo de las unidades y no existe el
riesgo de que la muestra quede sesgada por algn tipo de

regularidad que no conocemos y que est presente en el universo.

Muestra por conglomerados: esta tcnica tiene utilidad cuando el
universo que se requiere estudiar admite su subdivisin en
universo menores en partes del mismo de caractersticas similares
a las del universo total. Cuando es posible asumir tal cosa se
procede a subdividir el universo en un nmero finito de

conglomerados y, entre ellos, se pasa a escoger algunos que sern

los nicos que se proceder a investigar. Esta etapa puede
efectuarse una segunda seleccin, dentro de cada uno de los
conglomerados elegidos, para llegar a un nmero an ms
reducido de unidades mustrales.
La ventaja de esta tcnica es que obvia la tarea de confeccionar el
listado con todas las unidades del universo, lo cual, como ya
veamos, resulta imposible de hacer en muchos casos. Su
desventaja mayor radica en que, al efectuarse el muestreo en dos
etapas, los errores mustrales de cada una se van acumulando,
dado un error algo mayor que para los mtodos descritos
anteriormente. La tcnica de los conglomerados suele utilizarse
cuando queremos extraer muestras de los habitantes de un
conjunto geogrfico amplio, una gran ciudad o un conjunto de
aldeas, por lo que se produce a tomar cada aldea o grupo de
manzanas como un conglomerado independiente. Del mismo modo
se la utiliza para investigar reservas forestales y marinas, estrellas,

productos industriales y otros universo relativamente semejantes.

Muestras estratificadas: una muestra es estratificada cuando los
elementos de la muestra son proporcionales a su presencia en la
poblacin. La presencia de un elemento en un estrato excluye su
presencia en otro. Para este tipo de muestreo, se divide a la
poblacin en varios grupos o estratos con el fin de dar
representatividad de los elementos o unidades representantes, se
utiliza el mtodo de muestreo aleatorio.(p.85,86)

Tamao de la muestra y error muestral

Segn Sabino (2002), Cuando una muestra es aleatoria o
probabilstica es posible calcular sobre ella el erro muestral. Este error
indica el porcentaje de incertidumbre, es decir, el riesgo que se corre de
qu la muestra escogida no sea representativo. De tal modo que, si
trabajamos con un error calculado en 5%, ello significa que existe un 95%

de probabilidades de que el conjunto muestral represente adecuadamente

al universo del cual ha sido extrado (p.87)
As mismo considera que a medida que incrementamos el tamao
de la muestra el error tiende a reducirse, pues la muestra va acercndose
ms al tamao del universo. Del mismo modo, para una muestra
determinada, su erro ser menor. Debemos advertir a los principiantes
que el error muestral nunca debe calcularse como un porcentaje del
tamao de la muestra respecto al del universo. La variacin de los errores
al modificarse esta cantidades se da proporcionalmente, pero no de
acuerdo a ecuaciones lineales. Para ello es preciso calcular, en cada
caso, el error que podamos cometer, o porcentaje de riesgo, de acuerdo a
los datos concretos disponibles y segn ciertas ecuaciones bien
conocidas en estadstica.
Para fijar el tamao de la muestra adecuado a cada investigacin
es preciso primero determinar el porcentaje de error que estamos
dispuestos a admitir. Una vez hecho esto debern realizarse las
operaciones numricas correspondientes para poder calcular el tamao
de la muestra que nos permite situarnos dentro del margen de error
aceptado. Es decir que no se fija primero el nmero de unidades de la
muestra para luego proceder a determinar el riesgo que se corre, sino a la
inversa, se pone un lmite a este riesgo y en funcin de ese valor se
define el tamao de la muestra que nos garantiza no sobrepasarlo. A
veces, sin embargo, el tamao de la muestra queda determinado
previamente

por

consideraciones

prcticas,

fundamentalmente

econmicas. En tales casos no hay otra alternativa que aceptar el nivel de

error que se magnitud acarree.
CONCLUSIN
Llegamos a un resumen total de nuestro punto de investigacin y
llegamos a la conclusin de que la poblacin y la muestra son puntos
importantes en el rea de un trabajo investigativo porque nos ayuda a
entender cules fueron los resultados positivos y negativos de la parte

estadstica de nuestro trabajo investigativo. Ello as es por eso que la

poblacin y la muestra son esenciales para trabajar con las incgnitas que
se nos presenten en nuestro trabajo de investigacin.

Referencias
Sabino, C, (2002).Documentos de trabajo para todos aquellos que
desean utilizar la investigacin como metodologa de
aprendizaje. Editorial Panapo.
Hernndez, Sampieri y Batista (2010). Metodologa de investigacin. 5ta
Edicin.

Tamayo, M. y Tamayo, (1998). El proceso de la investigacin cientfica.