CAPITULO 8 SAMPIERI

Lu:

“SELECCIÓN DE LA MUESTRA”

¿Una investigación siempre tiene una muestra? No siempre, pero en la mayoría de las
situaciones sí que realizamos el estudio en una muestra. Solo cuando queremos realizar un
censo debemos incluir en el estudio al resto de los casos (personas animales plantas objetos)

Para definir que es una muestra primero tenemos que entender que es la POBLACION. ¿COMO
SE DELIMITA LA POBLACION DE LA CUAL SE TOMARÁ LA MUESTRA? La población es el
conjunto de todos los casos que concuerdan con una serie de especulaciones, esto es muy
importante de definir ya que el autor justamente dice que es uno de los inconvenientes mas
frecuentes que suceden al momento de hacer las tesis, justamente porque no se define bien la
población de donde después se seleccionara la muestra.

Generalmente si no se hace una adecuada delimitación pueden existir errores en la selección

de la muestra, ya sea porque se incluyen casos que no deberían serlo, o se desestiman casos
que si deberían serlo, por ejemplo.

¿Sobre que o quienes se recolectaran los datos? Aquí hay que determinar en qué o en
quienes; ya sean participantes, objetos, sucesos o comunidades de estudio, a todos estos se
los denominan UNIDADES DE ANALISIS. Su definición va a depender del planteamiento del
problema y de los alcances del estudio, ¿Por qué? Porque dependiendo del problema
planteado vamos a definir a quien o quienes necesitamos interrogar.

Por ejemplo: si el problema es “EL USO QUE HACEN LOS NIÑOS DE LA TELEVISION” lo mas
probable seria entrevistar a los niños, o a los padres, o a ambos dependiendo no solo del
objetivo sino del diseño también.

Para seleccionar una muestra, lo primero que hay que hacer es definir la UNIDAD DE ANALISIS
(que pueden ser individuos, organizaciones, comunidades, situaciones etc) una vez definida
podemos pensar en delimitar la POBLACION.

POBLACION

MUESTRA V

ELEMENTOS O UNIDADES DE ANALISIS

Para el proceso cuantitativo, UNA MUESTRA ES UN SUBGRUPO DE LA POBLACION DE INTERES,

de donde se recolectaran los datos. (un subgrupo representativo, porque el investigador
pretende que los resultados obtenidos en dicha muestra logren generalizarse a la población,
de hecho es el objetivo del muestreo cuantitativo poder seleccionar casos representativos para
esta generalización, con la finalidad de construir y / o probar teorías que expliquen a la
población o e fenomeno) entonces… EL INTERES ES QUE LA MUESTRA SEA
ESTADISTICAMENTE REPRESENTATIVA.

¿COMO SELECCIONAMOS UNA MUESTRA? Pocas veces podemos medir a la población

completa, por ello necesitamos seleccionar la muestra, pretendiendo que sea un reflejo fiel del
conjunto de la población.

HAY DOS TIPOS DE MUESTRAS:

1 MUESTRAS PROBABILISTICAS y las

2 MUESTRAS NO PROBABILISTICAS O DIRIGIDAS

(ELEGIR UNA U OTRA DEPENDE DE LOS OBJETIVOS DEL ESTUDIO) Vamos a explicar primero que
es una:

1 MUESTRAS PROBABILISTICAS en este tipo de muestra Todos los elementos de la población

tienen la misma posibilidad de ser elegidos, se obtienen definiendo las características de la
población y el tamaño de la muestra y también por medio de una selección ALEATORIA de las
unidades de análisis. (imagínense algo asi como el procedimiento para obtener un numero
premiado de la lotería, que se va formando en el momento del sorteo)

 Este tipo de muestras tienen muchas ventajas puede medirse el tamaño del error en
nuestras predicciones, incluso reducirlo mínimo. A este error se lo denomina ERROR
ESTANDAR.
 PARA HACER UNA MUESTRA PROBABILISTICA SE NECESITAN DOS PROCEDIMIENTOS:

CALCULAR EL TAMAÑO REPRESENTATIVO ya que las unidades tendrán valores muy parecidos
a los de la población. Entonces cuando se hace una muestra probabilística uno debe
preguntarse “dado que la población tiene X tamaño” ¿Cuál es el menor numero de unidades
muestrales (personas organizaciones,etc) que necesito para conformar una muestra que me
asegure un determinado nivel de error menor de X? Para este calculo el autor recomienda un
programa que se llama STATS, este programa calcula el tamaño de la muestra si le ingresamos
algunos datos. Estos datos son:

1Tamaño del universo aquí por ejemplo si quiero estudiar las empresas de Lomas de Zamora,
tendría que cargarle al sistema STATS el tamaño de la población que queremos estudiar (ojo!!
El tamaño de la población en este caso se refiere al numero de empresas de Lomas! No a la
cantidad de gente del partido!)

después le tendría que cargar el

2 Error estándar máximo aceptable se refiere a un porcentaje de error potencial que

admitiremos tolerar de que nuestra muestra no sea representativa de la población (es decir de
equivocarnos) en este programa los niveles de error pueden ir del 20 al 1% los mas comunes
son 5 y 1% (seria algo asi como tolerar 5 errores en 100 casos, 5 posibilidades de equivocarnos
o 1 error en 100 casos) luego deberíamos cargarle el
3 Porcentaje estimado de la muestra que es la probabilidad de ocurrencia del fenómeno es
decir la (representatividad de la muestra versus no representatividad, esto se estima sobre
marcos de muestreo previo, o por default el sistema nos da un 50%) y finalmente deberíamos
cargarle el

4 Nivel deseado de confianza que es el complemento del error máximo aceptable. Si el error
elegido fue del 5% entonces el nivel deseado de confianza será de 95%.

Ya con todos los campos llenos se preciona el botón de “calcular” y se obtiene el tamaño de
muestra apropiado para esta población. Estos fueron los datos como dijimos que nos pide el
programa STATS para precisar el tamaño. Ahora seguimos con el otro requerimiento para que
una muestra sea probabilisitica. Esto se refiere a:

SELECCIONAR LOS CASOS DE MANERA QUE AL INICIO TODOS TENGAN LAS MISMAS
POSIBILIDADES DE SER ELEGIDOS. Es decir como y donde vamos a elegir los casos, QUE
SIEMPRE se eligen aleatoriamente (como ya mencionamos). en el libro se mencionan los
siguientes TOMBOLA, NUMEROS RANDOM O NUMEROS ALEATORIOS, el programa STATS, y
SELECCIÓN SISTEMATICA DE ELEMENTOS MUESTRALES.

Pero antes, cabe explicar algo que precede a la selección de una muestra, y que es esencial
según el autor, EL MARCO MUESTRAL, que constituye un marco de referencia que nos permite
identificar físicamente los elementos de la población, la posibilidad de enumerarlos, y por ende
de proceder a la selección de los elementos muestrales (a lo que ya llamamos también casos, o
unidades de análisis) Generalemente se trata de un listado existente o una lista que hay que
confeccionar ad hoc con los casos de la población. (recordemos que ad hoc hacia referencia a
aquello que esta hecho especialmente para un fin determinado o pensado para una situación
concreta) los listados son variados, pueden ser guias telefónicas, listas de miembros de una
asociación, listas oficiales de escuelas de una zona, base de datos de alumnos de una
universidad, clientes de una empresa, registros médicos, mapas, archivos, etc.

Ahora que ya hablamos del marco muestral volvemos a los procedimientos de selección de
elementos muestrales:

TOMBOLA consiste en enumerar del 1 al x todos los elementos muestrales de la población.

Después se hacen fichas o papeles uno por cada elemento, se revuelven en una caja y se van
sacando x numero de fichas, según el tamaño de la muestra. Los números elegidos al azar
conformaran la muestra.

Otro procedimiento son los NUMEROS RANDOM O NUMEROS ALEATORIOS este

procedimiento no esta explicado en el texto, sin embargo encontramos que se refiere a la
utilización de una tabla de números que implica un mecanismo de probabilidad muy bien
diseñado. Algo asi como una ruleta electrónica.

Otra alternativa es utilizar el programa STATS, según el autor es la mejor forma que
encontraron para seleccionar los números aleatorios.
Por ultimo, tenemos la

SELECCIÓN SISTEMATICA DE ELEMENTOS MUESTRALES Este proceso de selección implica

elegir dentro de una población un numero de elementos a partir de un intervalo. Este intervalo
se va a determinar a partir del tamaño de la población y el tamaño de la muestra. Hay una
formula que aparece en el capitulo, pero a grandes rasgos lo que se pretende es a partir de
esos datos determinar el numero de casos que necesitamos analizar para generalizar a toda la
población los resultados.

Bien, ya hablamos de que es una muestra probabilística, que para obtenerla necesitamos
precisar el tamaño representativo y además necesitamos seleccionar los elementos muestrales
a través de los procedimientos que acabamos de mencionar.

Ahora vamos a comentarles que, dependiendo del tamaño de la población, y del proceso de
selección que se utilicen, existen tres tipos de muestras probabilísticas:

A los ejemplos de las muestras obtenidas por el programa STATS se las conoce como
MUESTRA ALEATORIA SIMPLE (MAS) su característica esencial es que todos los casos de la
población tienen al inicio la misma probabilidad de ser seleccionados.

Otro tipo de muestra es la MUESTRA ESTRATIFICADA En ocasiones el interés del investigador

es comparar sus resultados entre segmentos de la población, por ejemplo hacer
comparaciones por genero. Si la selección de la muestra es aleatoria, tendremos unidades o
elementos de ambos generos y la muestra reflejará la población, pero a veces cuando
interesan grupos que constituyen minorías de la población, y la muestra es ALEATORIA SIMPLE
(el tipo de muestra que explicamos antes) resultara muy difícil determinar que elementos o
casos de tales grupos serán seleccionados. Por ejemplo! Si nos interesan personas de todas las
religiones para contrastar ciertos datos, pero en la ciudad donde se efectuará el estudio la
mayoría son católicos, con MAS (muestra aleatoria simple) es casi seguro que no elijamos
individuos de diversas religiones , y por ende no podríamos efectuar las comparaciones.
(quizás nos tocan 300 catolicos y dos o 3 judios por ejemplo) Entonces es cuando se prefiere
obtener una muestra probabilística estratificada, será probabilística y se consideraran
segmentos o grupos de la población o lo que es igual, estratos. Ejemplos de estratos son la
variable religión (que podrían ser católicos, protestanes, judíos etc) o la variable nivel de
estudios (que podrían ser primaria, secundario, universidad etc) LA ESTRATIFICACION
AUMENTA LA PRECISION DE LA MUESTRA E IMPLICA EL USO DELIBERADO DE DIFERENTES
TAMAÑOS DE MUESTRA PARA CADA ESTRATO.

Y por ultimo la MUESTRA POR RACIMOS En este tipo de muestreo se reducen costos, tiempo
y energía al considerar que muchas veces las unidades de análisis se encuentran encapsuladas
o encerradas en determinados lugares físicos o geográficos, a los que se denominan RACIMOS.
Por ejemplo si queremos estudiar a adolescentes, posibles racimos serian las escuelas
secundarias. Si quisiéramos estudiar a los obreros, posibles racimos serian las industrias o
fabricas. Muestreo por racimos implica diferenciar UNIDAD DE ANALISIS Y UNIDAD MUESTRAL.
La unidad de análisis indica quienes van a ser medidos, o sea los participantes o casos a
quienes les vamos a aplicar el instrumento de medición. La unidad muestral en este tipo de
muestra se refiere al racimo por medio del cual accedemos a la unidad de análisis. El muestreo
por racimos supone una selección en dos o mas etapas, en la primer etapa se seleccionan los
racimos, y en las fases siguientes dentro de los racimos se seleccionan los casos que van a
medirse.

COMO Y CUALES SON LAS MUESTRAS NO PROBABILISTICAS

Este tipo de muestras se denominan también muestras dirigidas, suponen un procedimiento

de selección informal. Se utilizan en diversas investigaciones cuantitativas y cualitativas. La
explicación detallada de este tipo de muestras aparentemente se desarrolla en el capitulo 13
“muestreo cualitativo” pero a grandes rasgos, podemos decir que en este tipo de muestras se
seleccionan individuos o casos típicos sin intentar que sean representativos de una población
determinada. Por esto, para fines deductivos-cuantitativos donde la generalización de
resultados hacia la población es una finalidad en si misma, este tipo de muestras implican
algunas desventajas. Por ejemplo es una desventaja que al no ser probabilisitica no es posible
calcular con precisión el error estándar, es decir no podemos calcular con que nivel de
confianza hacemos una estimación.

En este tipo de muestra, los datos que obtengamos no pueden generalizarse a la población. La
elección de casos no depende de que todos tengan la misma probabilidad de ser elegidos, sino
de la decisión del investigador o grupo de personas que recolectan los datos. La única ventaja
de una muestra no probabilística (desde la visión cuantitativa) es su utilidad para
determinando diseño de estudio que requiera no tanto una representatividad de elementos de
una población, sino una cuidadosa y controlada elección de casos con ciertas características
especificadas en el planteamiento del problema. Para el enfoque CUALITATIVO al no interesar
tanto la posibilidad de generalizar los resultados, las muestras no probabilisiticas o dirigidas
son de gran valor, pues logran obtener los casos (ya sean personas, contextos, situaciones…)
que interesan al investigador y que llegan a ofrecer una gran riqueza para la recolección y
análisis de datos.