UNIVERSIDAD NACIONAL FAUSTINO SANCHEZ CARRION

FACULTAD DE MEDICINA HUMANA

E.A.P. DE MEDICINA HUMANA

CURSO: METOLOGA DE LA INVESTIGACIN CIENTFICA

TEMA N 11:
UNIVERSO, POBLACION Y MUESTRA
TIPOS DE MUESTRO
TAMAO DE LA MUESTRA

PARTICIPANTES:
AULA A:
- HILARIO LOYOLA, Edith Catherine
- HUERTA RIMAC, Gilbert
AULA B:
- TOSCANO QUISPE, Solansh Thalia
- TRUJILLO ALUMIAS, Estefani Airita

HUACHO-PER
2013

NDICE GENERAL

Cartula

ndice general

Introduccin

Captulo I: Universo, poblacin y muestra

Captulo II: Tipos de muestro,

Captulo III: Tamao de la muestra

17

Conclusiones

23

Referencias bibliogrficas

24

Anexos

25

INTRODUCCIN

El presente trabajo monogrfico tiene por propsito analizar y describir

conceptos fundamentales del muestreo estadstico, el estudio es una
investigacin bibliogrfica en la se resume la informacin sobre la temtica,
considerando que el resultado de una observacin hecha sobre un fenmeno
individual se denomina unidad estadstica"; es el caso del salario de un obrero
de la fbrica, el precio unitario de un producto, la magnitud de una zona
cultivada, etc. El resultado de una operacin estadstica hecha sobre las
unidades estadsticas se denomina Dato Estadstico", de all que un dato
estadstico sera la suma total del salario de una empresa, la produccin total
de petrleo en el Per, la exportacin de gas natural de Camisea durante
cierto perodo, etc. En general, se puede definir el dato estadstico como aquel
que mide un fenmeno colectivo

En la prctica profesional, el mdico se enfrenta con frecuencia ante la

necesidad de conocer realidades respecto al proceso salud enfermedad en la
persona humana, una enfermedad, un medicamento, una tcnica quirrgica,
niveles de educacin e informacin; cuando ello se necesita conocer en un
grupo poblacional, sera necesario examinar todos los miembros de ese grupo
con el fin de observar el comportamiento de las variables en estudio.

Sin embargo, muchas veces, el grupo en estudio es tan grande que hace difcil,
casi imposible el examen de todos sus miembros, por lo que se procede
comnmente a examinar un determinado nmero de individuos u objetos,
observar el comportamiento de las variables en estudio en este conjunto
limitado para luego extender los resultados al conjunto total, con cierto grado
de confianza. Esto es la teora del muestreo, la seleccin adecuada en
cantidad y calidad de los individuos que constituirn el grupo de observacin,
para ello es necesario tener conceptos muy claros respecto a poblacin o
universo y muestra.

CAPTULO I
UNIVERSO, POBLACION Y MUESTRA

1.1 UNIVERSO

En estadstica el universo es el nombre que recibe particularmente en la

investigacin social la operacin dentro de la delimitacin del campo de
investigacin que tienen por objeto la determinacin del conjunto de unidades
de observaciones del conjunto de unidades de observacin que van a ser
investigadas. En general, el universo es la totalidad de elementos o
caractersticas que conforman el mbito de un estudio o investigacin.
Universo es el conjunto de elementos globales, finitos o infinitos que son
materia de investigacin y al que pertenecen la poblacin y la muestra de
estudio en estrecha relacin con las variables y el fragmento problemtico de la
realidad que es materia de investigacin. Algunos autores emplean el trmino
universo como sinnimo de poblacin, otros designan con la palabra universo a
todos los elementos de una determinada rea o mbito territorial para
investigaciones fsicas, es decir, cuando aquello que se investiga es abitico.

El trmino universo designa a todos los posibles sujetos o medidas de un cierto

tipo. La parte del universo a la que el investigador tiene acceso se denomina
poblacin (1)

Poblacin es un conjunto definido, limitado y accesible del universo que forma

el referente para la eleccin de la muestra. Es el grupo al que se intenta
generalizar los resultados. (2)

1.2 POBLACION
En estadstica el concepto de poblacin va ms all de lo que comnmente se
conoce como tal. En trminos estadsticos, poblacin es un conjunto finito o
infinito de personas, animales o cosas que presentan caractersticas comunes,
sobre los cuales se quiere efectuar un estudio determinado. En otras palabras,
4

la poblacin se define como la totalidad de los valores posibles (mediciones o

conteos) de una caracterstica particular de un grupo especificado de personas,
animales o cosas que se desean estudiar en un momento determinado. As, se
puede hablar de la poblacin de habitantes de un pas, de la poblacin de
estudiantes universitarios de Lima Metropolitana, de la poblacin de casas de
una determinada Urbanizacin en la Ciudad de Trujillo, el rendimiento
acadmico de los estudiantes de una institucin educativa, etc.
Una vez definido el problema a investigar, formulados los objetivos y
delimitadas las variables se hace necesario determinar los elementos o
individuos con quienes se va a llevar a cabo el estudio o investigacin. Esta
consideracin nos conduce a delimitar el mbito de la investigacin definiendo
una poblacin y seleccionando la muestra. Cualquier caracterstica medible de
la poblacin se denomina parmetro, los valores de los parmetros calculados
sobre muestras se conocen como estadsticos o estadgrafos, utilizan letras
2

, r..., media, varianza, coeficiente de correlacin) y describen a las

citadas muestras.
Se define tradicionalmente la poblacin como el conjunto de todos los
individuos (objetos, personas, eventos, etc.) en los que se desea estudiar el
fenmeno. stos deben reunir las caractersticas de lo que es objeto de
estudio. El individuo, en esta acepcin, hace referencia a cada uno de los
elementos de los que se obtiene la informacin. Los individuos pueden ser
personas, objetos o acontecimientos.

El diccionario de la RAE define la poblacin, en su acepcin sociolgica, como

Conjunto de los individuos o cosas sometido a una evaluacin estadstica
mediante muestreo. En cualquier investigacin, el primer problema que
aparece, relacionado con este punto, es la frecuente imposibilidad de recoger
datos de todos los sujetos o elementos que interesen a la misma.

1.3 MUESTRA
Habitualmente, el investigador no trabaja con todos los elementos de la
poblacin que estudia sino slo con una parte o fraccin de ella; a veces,
porque es muy grande y no es fcil abarcarla en su totalidad. Por ello, se elige
una muestra representativa y los datos obtenidos en ella se utilizan para
realizar pronsticos en poblaciones futuras de las mismas caractersticas.
La muestra es un subconjunto de la poblacin, seleccionado de tal forma, que
sea representativo de la poblacin en estudio, obtenindose con el fin de
investigar alguna o algunas de las propiedades de la poblacin de la cual
procede. En otras palabras es una parte de la poblacin que sirve para
representarla. Segn el DRAE (14), es una parte o porcin extrada de un
conjunto por mtodos que permiten considerarla como representativa del
mismo.
La muestra es un subconjunto de la Poblacin Blanco de la Inferencia. Los
objetivos de la extraccin de una muestra de la poblacin son dos:
I) Restringir una cantidad de Unidades de Anlisis plausibles de ser medidas
con los recursos disponibles.
II) Que dicho conjunto de Unidades de Anlisis sea representativo de la
poblacin, segn determinadas propiedades bajo la perspectiva del Objetivo.
Esto significa que idealmente se espera que para toda propiedad de inters, la
distribucin de dicha propiedad en la muestra sea igual a la distribucin de la
misma en la poblacin.

Entre las ventajas que proporciona el muestreo (3 sealarse: el ahorro de

tiempo en la realizacin de la investigacin, la reduccin de costos y la
posibilidad de mayor profundidad y exactitud en los resultados. Los
inconvenientes ms comunes suelen ser: dificultad de utilizacin de la tcnica
de muestreo, una muestra mal seleccionada o sesgada distorsiona los
resultados, las limitaciones propias del tipo de muestreo y tener que extraer
una muestra de poblaciones que poseen pocos individuos con la caracterstica
que hay que estudiar
6

CAPTULO II
TIPOS DE MUESTREO

2.1 Concepto de Muestreo

Es el procedimiento estadstico mediante el cual se selecciona la muestra de
una poblacin habitualmente, el investigador no trabaja con todos los
elementos de la poblacin que estudia sino slo con una parte o fraccin de
ella; a veces, porque es muy grande y no es fcil abarcarla en su totalidad. Por
ello, se elige una muestra representativa y los datos obtenidos en ella se
utilizan para realizar pronsticos en poblaciones futuras de las mismas
caractersticas.

Salvo en el caso de poblaciones pequeas, pocas veces en una investigacin

se cuenta con el tiempo, los recursos y los medios para estudiar una poblacin
completa. A veces ni siquiera podemos delimitar exactamente una poblacin,
otras veces la poblacin total an no existe como sucede en los estudios
sobre prediccin Estos motivos de tiempo, coste, accesibilidad a los individuos
y complejidad de las operaciones de recogida, clasificacin y anlisis de los
datos hacen que la gran mayora de los proyectos de investigacin no estudien
ms que una parte representativa de la poblacin, denominada muestra. Esto
se puede hacer as porque, si se selecciona correctamente la muestra, sta
puede aportarnos informacin representativa y exacta de toda la poblacin.

Se conoce con el nombre de muestreo al proceso de extraccin de una

muestra a partir de la poblacin. El proceso esencial del muestreo consiste en
identificar la poblacin que estar representada en el estudio (18) Entre las
ventajas que proporciona el muestreo suele sealarse: el ahorro de tiempo en
la realizacin de la investigacin, la reduccin de costos y la posibilidad de
mayor profundidad y exactitud en los resultados. Los

inconvenientes ms

comunes suelen ser: dificultad de utilizacin de la tcnica de muestreo, una

muestra mal seleccionada o sesgada distorsiona los resultados, las limitaciones
propias del tipo de muestreo y tener que extraer una muestra de poblaciones
que poseen pocos individuos con la caracterstica que hay que estudiar.
7

La importancia del muestreo radica en que no es necesario trabajar con los N

elementos de una poblacin para comprender con un nivel razonable de
exactitud la naturaleza del fenmeno estudiado. Este conocimiento se puede
obtener a partir de una muestra que se considere representativa de aquella
poblacin.

Aunque la razn esencial por la que se muestrea es la imposibilidad de estudiar

todos los sujetos, es un proceso lgico, porque en la prctica no es necesario
obtener datos de todos los posibles sujetos para comprender con exactitud la
naturaleza del fenmeno que se estudia, sino que, en general, se puede
alcanzar esa comprensin con una parte de los sujetos. Debido a esto, se
pueden aprovechar las ventajas del muestreo, que son la reduccin del coste
de la investigacin en tiempo y en dinero... El ahorro de tiempo o dinero
mediante el muestreo slo es lgico cuando se puede justificar el hecho de que
los datos obtenidos a partir de la muestra proporcionarn una base firme para
determinar con exactitud las caractersticas del fenmeno que se estudia. (3)

2.2 Etapas del proceso de muestreo. Segn Fox (3)

Seala cinco etapas

en el proceso de muestreo:

Definicin o seleccin del universo o especificacin de los posibles

sujetos o elementos de un determinado tipo;

Determinacin de la poblacin o parte de ella a la que el investigador

tiene acceso;

Seleccin de la muestra invitada o conjunto de elementos de la

poblacin a los que se pide que participen en la investigacin;

Muestra aceptante o parte de la muestra invitada que acepta participar;

Muestra productora de datos; la parte que acept y que realmente

produce datos.

2.3 TIPOS DE MUESTREO

I) Muestreo probabilstico.

Conocido tambin como muestreo de seleccin aleatoria, utiliza el azar como

instrumento de seleccin, pudindose calcular de antemano la probabilidad de
que cada elemento sea incluido en la muestra este tipo de muestreo es el que
alcanza mayor rigor cientfico, y se caracteriza porque se cumple el principio de
la equiprobabilidad, segn el cual todos los elementos de la poblacin tienen la
misma probabilidad de salir elegidos en una muestra. (4)

El muestreo por azar o probabilstico presenta varias modalidades:

A) Muestreo Aleatorio Simple.

Es la modalidad de muestreo ms conocida y que alcanza mayor rigor

cientfico. Garantiza la equiprobabilidad de eleccin de cualquier elemento y la
independencia de seleccin de cualquier otro. En este procedimiento se
extraen al azar un nmero determinado de elementos, n, del conjunto mayor
N o poblacin, procediendo segn la siguiente secuencia: a) definir la
poblacin, confeccionar una lista de todos los elementos, asignndoles
nmeros consecutivos desde 1 hasta n; b) la unidad de base de la muestra
debe ser la misma; c) definir el tamao de la muestra, y d) extraer al azar los
elementos.
La muestra quedar formada por los n elementos obtenidos mediante sorteo
de la poblacin. Los procedimientos ms comunes de extraccin de los
elementos en este tipo de muestreo son: las tablas de nmeros aleatorios,
incluidas en los manuales de estadstica; los clsicos sistemas de lotera y
otros procedimientos de extraccin al azar, incluidos las aplicaciones
informticas.

Algunos autores exigen que todos los elementos tengan la misma probabilidad
de ser

Seleccionados. En la prctica real puede haber diversos grados de

probabilidad, lo importante es que la conozcamos. De hecho si de un listado de
papeletas con cien personas seleccionamos uno, ste tiene 1/100 de
posibilidad de ser elegido, el segundo 1/99, y as sucesivamente... Para que
esto no hubiera ocurrido tendramos que haber empleado el procedimiento que
se conoce de obtencin de la muestra con reemplazo, es decir volviendo a
colocar los que salen, para que se mantuviera la proporcin del 1/100. Este
ltimo caso puede tener inters en determinadas circunstancias, pero no en el
caso de consultar, por ejemplo, varias veces a un mismo alumno. Lo
importante, es que conozcamos el grado de probabilidad y, en lo posible,
procurar que sea la misma. (5)

La sencillez del procedimiento se complica cuando la poblacin es muy grande

y las ayudas mecanizadas no siempre se pueden o se deben utilizar.
Pensemos la dificultad que tendra, por este procedimiento, obtener una
muestra de la poblacin de Madrid.

B) Muestreo Aleatorio Sistemtico.

El empleo de muestras sistemticas consiste en una variante del anterior tipo

de muestreo. Primero se calcula I (frecuencia de los casos) mediante la
frmula I= N/n. Despus se elige un nmero menor o igual que I, es decir, que
cumpla l
de nmero aleatorios, que sern: a, a+I, a+2I, a +3I, etc.

Si tenemos la poblacin a estudiar, previamente inscrita en unas listas

numeradas, obtenida la frecuencia de los casos iremos eligiendo saltando los
nmeros que indique la frecuencia. Si queremos obtener una muestra de 20
sobre una poblacin de 100 (I = 100/20 = 5), podramos partir el muestreo del
n 5, el 10, el 15; o el 3, 8, 13... El primer elemento (a) suele elegirse al azar
10

usando las tablas de probabilidad y, a continuacin, se le suma la frecuencia.

Si el azar hizo que se partiera de un elemento de la lista mayor que I, al llegar a
N, se vuelve al principio de la lista hasta completar n casos.

Cuando se trata de poblaciones numerosas, por ejemplo la gua telefnica o los

censos electorales, se seleccionan el primer y/o el ltimo nombre de cada
pgina o columna. Aunque es un procedimiento ms rudimentario, por razn de
economa y tiempo suele utilizarse.

La eleccin sistemtica partiendo de listas es vlida si el orden no ha sido

establecido teniendo en cuenta la caracterstica que estudiamos. No pueden
servir, por ejemplo, listas en orden de calificaciones acadmicas si sta es una
de las variables de investigacin.

Un peligro de este mtodo es el que se den periodicidades en la poblacin que

anulen la representatividad de la muestra. Supongamos que I = 10 y
trabajamos con empleados de una empresa agrupados en Departamentos en
los que el personal est listado segn categoras profesionales, por este orden:
1 directivo, 14 profesionales especializados, 5 administrativos. Al elegir la
muestra por este mtodo, sta quedar sesgada porque elegir siempre, por
ejemplo, un directivo por cada departamento o bien porque no lo elegir nunca.

Este procedimiento es ms rpido que el anterior, sobre todo si la poblacin es

numerosa y est previamente ordenada. Es muy utilizado en los sondeos de
opinin y de puerta a puerta.

C) Muestreo Estratificado.

Este muestreo se utiliza cuando la poblacin esta constituida en estratos o

conjuntos de la poblacin homogneos con respecto a la caracterstica que se
estudia. Dentro de cada estrato se puede aplicar el muestreo aleatorio o
sistemtico. Consiste en subdividir la poblacin en subgrupos o estratos con

11

arreglo a la/s caracterstica/s que se consideren y en elegir la muestra de modo

que estn representados los diferentes estratos.

Para la obtencin de la muestra estratificada se siguen los siguientes pasos:

a) se divide la poblacin en estratos;
b) de cada estrato se extrae una muestra por algn procedimiento de muestreo;
c) el nmero de individuos de cada estrato se puede decidir por paridad o
proporcionalidad;
y d) la suma de las muestras de cada estrato forman la muestra total n. (6)
Dentro del muestreo estratificado suele distinguirse:

Muestreo estratificado constante. En este caso, tambin conocido como

afijacin simple, la muestra se obtiene seleccionando un nmero igual de
individuos de cada estrato en que se ha dividido la poblacin, con
independencia del tamao y variabilidad de los mismos dentro de la poblacin.

Muestreo estratificado proporcional. En este caso se selecciona de cada

estrato un nmero de elementos proporcional a su tamao en el conjunto de la
poblacin (afijacin proporcional). (7 considera que un criterio ms til para fijar
la proporcin de la muestra es atender a la variabilidad de los estratos en la
caracterstica

que

interesa

(afijacin

ptima).

Si

sus

varianzas

son

aproximadamente homogneas, el muestreo estratificado proporcional es el

aconsejado; si por el contrario difieren mucho entre s, debe tomarse un
porcentaje mayor de elementos de los estratos que mayor varianza
experimentan.

Por ejemplo, para estudiar las actitudes hacia la poltica de los universitarios
espaoles podemos dividir el total de alumnos en estratos para asegurarnos
que estarn representadas las caractersticas que nos interesan. Posibles
estratos podran ser facultades, titulacin cursada, curso, etc. Suponiendo que
se estratifica la poblacin por titulaciones, si del total de alumnos matriculados
en las facultades espaolas seleccionamos a cincuenta de cada titulacin, el
muestreo ha sido estratificado constante. Para esa muestra seleccionamos el
12

mismo nmero, pero de forma proporcional al nmero de alumnos matriculados

en cada titulacin, estamos ante una muestra estratificada proporcional.

Muestreo por Conglomerados (Clusters) O Grupos.

El muestreo individual resulta muchas veces inaplicable y hay que recurrir no a

los elementos, sino a seleccionar por el sistema del azar determinados
colectivos. Podramos hacer una encuesta, por ejemplo

Mediante el sistema de muestreo aleatorio simple, a todos los alumnos de

Bachillerato de una determinada ciudad. Las complicaciones y dificultades
seran mucho menores estableciendo una muestra al azar que tomara como
unidades base del muestreo las aulas. La muestra de grupos o racimos
tambin se denomina conglomerados o clusters, en terminologa sajona. Este
tipo de muestreo se utiliza cuando los individuos de la poblacin constituyen
grupos naturales o conglomerados (distrito, centros escolares, aulas,
empresas, etc.)

En el muestreo por grupos el proceso sigue estos pasos: la poblacin se divide

previamente en grupos o conglomerados que contienen diversos elementos y,
a continuacin, se seleccionan aleatoriamente el nmero de conglomerados y
se trabaja con el total de elementos pertenecientes a los conglomerados
elegidos. La unidad nuestra es el conglomerado (cluster) o grupo y el proceso
de seleccin aleatoria se aplica a la seleccin de stos y no a los elementos
menores que componen el conglomerado.

Una ventaja de esta tcnica de muestreo radica en que no es necesario

identificar ni tener un listado de todos los elementos de la poblacin para
seleccionarlos aleatoriamente, sino que despus de seleccionados los
conglomerados, se procede a elaborar dicho listado slo para los elementos
que componen los conglomerados elegidos.

13

D) Muestreo por Etapas o Polietpico.

Relacionado con el tipo anterior. Se procede dividiendo la poblacin en varios

conglomerados y se selecciona un nmero de ellos, que constituyen las
unidades muestrales primarias. En una segunda etapa se obtiene una submuestra a partir de las anteriores, que constituyen las unidades muestrales
secundarias, y as sucesivamente. Se su muestrean las unidades anteriores
hasta llegar a la muestra final.

El proceso sigue una secuencia de etapas de seleccin de unidades

muestrales de mayor rango a otras de menor, hasta llegar a los individuos o
elementos que constituyen la muestra: Comunidad Autnoma, distrito escolar,
centros, aulas, alumnos. Este tipo de muestreo slo necesita conocer los
individuos que integran los conglomerados de la ltima etapa. En cada etapa
puede aplicarse un muestreo aleatorio.

II) MUESTREO NO PROBABILSTICO.

En estas tcnicas no se utiliza el muestreo al azar sino que la muestra se

obtiene atendiendo al criterio o criterios del investigador o bien por razones de
economa, comodidad, etc. Consecuentemente, estas tcnicas no utilizan el
criterio de equiprobabilidad, sino que siguen otros criterios, procurando que la
muestra obtenida sea lo ms representativa posible. Estas muestras, al no
utilizar el muestreo al azar, no tienen la garanta de las muestras
probabilsticas, pero en la prctica son a menudo necesarias e inevitables, en
opinin de Berlingar (7) . Dentro de este tipo de muestreo se suele distinguir
entre muestreo accidental, intencional o deliberado y por cuotas.

A) Muestreo Intencional u Opinativo.

En esta tcnica, el investigador selecciona de modo directo los elementos de la

muestra que desea participen en su estudio. Se eligen los individuos o
elementos que se estima que son representativos o tpicos de la poblacin. Se
14

sigue un criterio establecido por el experto o investigador. Se suelen

seleccionar los sujetos que se estima que pueden facilitar la informacin
necesaria.

Este mtodo, que Jimnez Fernndez (9)

califica de deliberado, se justifica

cuando se quieren estudiar elementos excepcionales de cierta poblacin, ya

que la forma de asegurarse de que se incluirn en dicho estudio, es elegirlos
intencionalmente. No dudando de su utilidad, se presta a crticas porque las
muestras obtenidas resultan inevitablemente sesgadas en el sentido del criterio
que se ha usado para seleccionarla.

En estas muestras opinticas (10)

buscamos deliberadamente los elementos

de la muestra porque nos parece que pueden facilitarnos una informacin ms

vlida. Si queremos datos sobre la poblacin delincuente ser interesante
recurrir a los servicios policiales, a los centros penitenciarios o de rehabilitacin
social o a los propios reclusos, que no son naturalmente toda la poblacin
delincuente. Hay que convenir con Marn (1985) que no todas las opiniones son
igualmente cualificadas, y cuando nos interesa una informacin ms vlida, la
experiencia y la preparacin pueden inducirnos a seleccionar deliberadamente
la muestra de acuerdo con unas caractersticas no aleatorias.
Hay

muestras

intencionadas

que

parten

de

elementos

tpicos

representativos a los que ya pblicamente se les ha reconocido tal rango. En

Espaa, en las Elecciones Generales se sabe que el escrutinio de apenas ocho
decenas de mesas electorales, ya determinadas, tienen un valor extrapolable al
resultado global de las citadas elecciones. Este tipo de muestras han sido
ampliamente divulgado por los medios de comunicacin:

En la pelcula Magic Town, el investigador de opinin pblica interpretado por

James Stwart, descubri un pueblo que tena exactamente las mismas
caractersticas que todo Estados Unidos. Grandview posea exactamente la
misma proporcin de personas que votaban por los republicanos, la misma
proporcin de personas bajo la lnea de la pobreza, igual proporcin de
15

mecnicos automotrices, etctera, que Estados Unidos visto como un todo. El

personaje de Stewart slo tena que entrevistar a las personas de Grandview
para saber cul era la opinin pblica en la Unin Americana. (11)

B) Muestreo Por Cuotas.

El sistema de cuotas consiste en fijar unas cuotas. Cada cuota consiste en un
nmero de elementos que renen unas determinadas condiciones. La
seleccin de las cuotas suele hacerse mediante rutas o itinerarios.

En este procedimiento se parte de una muestra estratificada cuyas

proporciones debe conservar el investigador, pero cada uno de los casos
queda a su arbitrio elegirlos. Supongamos que queremos averiguar el nivel
cultural de unos determinados profesionales de un rea geogrfica o de un
sector productivo. Como el sexo, la edad y el lugar de residencia, parecen
factores condicionantes, deberemos establecer que haya un 50% de varones y
de

mujeres,

un tanto

por ciento aproximado por grupos de edad

correspondientes a la poblacin real y as mismo procuraremos que haya el

mismo tanto por ciento en la muestra que en la realidad de quienes viven en
poblaciones de menos de 2.000 habitantes, de 2.001 a 5.000 habitantes, etc. El
investigador ha fijado n para la muestra y elige libremente los individuos hasta
alcanzar esa cifra.

El riesgo radica en que seleccione a personas a quienes resulta ms fcil, por

razones de localizacin. De hecho, cuando se trabaja con entrevistas, hay una
resistencia a consultar a poblacin dispersa en caseros distantes o a la que
est en pisos elevados sin ascensor. Por ltimo, (12)

seala un riesgo muy

generalizado, comn al muestreo probabilstico y no probabilstico, y es el del

rechazo a participar en la investigacin.

16

CAPTULO III:
TAMAO DE LA MUESTRA

3.1 El tamao de la muestra

El

tamao de la muestra, un tema que siempre preocupa, no tiene fcil

solucin y va estrechamente unido a la representatividad. En principio hay que

rechazar la idea, demasiado extendida, de que la muestra debe ser
proporcional a la poblacin. De hecho, a medida que aumenta sta, con una
menor proporcin podemos alcanzar la representatividad. No obstante, en
igualdad de otras condiciones, los estadsticos calculados con muestras
grandes son ms precisos que los calculados con muestras pequeas, pero
una muestra representativa de 50 elementos es preferible a otra no
representativa de 100 (12)

No existe un tamao ideal de la muestra. A efectos descriptivos, se considera

una muestra grande cuando n > 30. Una muestra debe ser lo suficientemente
grande como para ser representativa, pero el nmero de elementos necesarios
para lograr la representatividad vara de una investigacin a otra. Cuanto ms
homognea es una poblacin en la/s caracterstica/s objeto de estudio, ms
fcil resulta obtener muestras representativas sin necesidad de que sean
grandes. Es decir, el tamao de la muestra est en relacin directa con la
desviacin tpica de las puntuaciones en la/s caractersticas de la variable a
investigar.

El tamao de la muestra viene condicionado por el tanto por ciento de la

caracterstica que estamos estudiando. Cuando no se conoce es conveniente
hacer algn pequeo estudio inicial con una muestra mucho menor para tener
alguna idea de ese porcentaje. Por ejemplo, alumnos que se matriculan en los
programas de formacin y despus no asisten o abandonan. Cuando tenemos
una proporcin de la caracterstica del 50% estamos ante lo que se designa
como el caso ms desfavorable porque exige la muestra mayor.

17

Si no

conocemos la proporcin se asigna el 50% como la opcin ms segura en los

clculos de la muestra.

El tipo de datos que se desea recoger y el medio que para ello se va a emplear
son condicionantes que influyen en la menor o mayor reduccin de la muestra
seleccionada (Jimnez Fernndez, 1983). No es igual seleccionar, por ejemplo,
aulas ya organizadas y recoger la informacin en das y horas lectivos que
hacerlo a travs de un cuestionario enviado por correo. El tamao de la
muestra tambin depende del tipo de muestreo que se ha llevado a cabo. Por
ejemplo, en las muestras estratificadas, el error es menor que en las no
estratificadas, y tambin lo es el tamao de la muestra necesario. (12)

El tamao de la muestra puede dilucidarse en parte preguntndose por la

cuanta del error que es probable cometer al calcular diversos estadsticos
partiendo de muestras de diferente tamao. Se considera clsica la curva de
error de Kerlinger, en la que el error aumenta a medida que disminuye el
tamao de la muestra y a la inversa, entendiendo por error la desviacin con
respecto a los parmetros de la poblacin. Consecuentemente este autor
recomienda usar muestras grandes, no porque sean buenas en s mismas sino
para dar al principio de distribucin al azar una probabilidad de actuar. As,
por ejemplo, seleccionada al azar una muestra de personas es ms fcil, a
medida que aumenta el nmero de personas de la muestra, que el porcentaje
de mujeres y de hombres se equilibre.

El nivel de confianza que queramos que alcancen nuestros resultados tambin

influye en el tamao que debamos dar a la muestra. Entre +2 y -2 sigmas de la
curva de distribucin normal de Gauss, a partir de la media, est incluido el
95.5% de la poblacin. Esto quiere decir que tenemos una probabilidad de que
955/1000 coincidan con los de la poblacin total. Si queremos alcanzar una
mayor certidumbre hemos de abarcar entre +3 y -3 sigmas, en cuyo caso el
riesgo de que exista diferencia entre los estadsticos de la muestra y los
parmetros de la poblacin sean distintos ser de 997/100, pero naturalmente
tendremos que elevar el nmero de elementos de la muestra. Para determinar
18

el volumen de la muestra, de acuerdo con el nivel de confianza, existen tablas.

Bugeda 1974 recoge tablas que permiten determinar el volumen de la muestra
y el nivel de estimacin para los niveles de confianza del 99.7% y del 95%.

Otro dato determinante del tamao de la muestra es el error de estimacin. Es

lgico pensar que no haya una coincidencia total entre los datos de la
poblacin y los de la muestra. Hemos de indicar el mximo error tolerable, que
suele establecerse en el 5%. Pero si queremos rebajar ese error tendremos
que aumentar el volumen de la muestra.

Concluimos que determinar el tamao de la muestra es un tema complejo. Por

tanto, el investigador habr de tener en cuenta: la amplitud del universo (infinito
o no), representatividad, las variables (tipo de datos, valores de la misma,
homogeneidad/variabilidad de los datos), el tipo de muestreo, el proceso y
medios de recogida de datos, los anlisis estadsticos que se planifiquen, el
error muestral, el error de estimacin y el nivel de confianza con el que
deseemos trabajar entre otras consideraciones. Con esta base se tendrn los
referentes necesarios para determinar el tamao de la muestra.

Para seleccionar el tamao de la muestra se suelen utilizar tcnicas de tres

tipos. Ya hemos hablado del uso de tablas, pero tambin se pueden determinar
mediante otros procedimientos: las curvas de error del tipo de las definidas
por Kerlinger o mediante clculos estadsticos. A continuacin desarrollamos
este ltimo procedimiento.

3.2 Determinacin estadstica del tamao de la muestra.

Conociendo el nivel de confianza que queremos que alcancen los datos se

puede aplicar una ecuacin matemtica para estimar el tamao de la muestra
Segn se trate de poblaciones infinitas o finitas, la determinacin variar, segn
las siguientes ecuaciones:

19

A) Determinacin del tamao de la muestra para poblaciones infinitas. En

este caso pueden presentarse dos situaciones:

A.1) Que conozcamos la proporcin de elementos que posee la

caracterstica a travs de estudios previos. En este caso se aplica la
frmula:
n= Z2 * p * q
e2

n = nmero de elementos que debe

poseer

la muestra

z
0.05 (Z = 1.96)
p = % estimado
q = 100-p
e = error permitido.

A.2.Si desconocemos la proporcin de individuos que poseen la

caracterstica, se toma p = 50% y q = 50%.

De este modo, el nmero de elementos ptimo de una muestra, estimando

qu proporcin de sujetos poseen una caracterstica al nivel de confianza del
99.7% (3 ) y un error de estimacin admitido del 2%, ser:
32*50*50
N = ------------------- = 5625 elementos.
22
En el caso de que la investigacin requiera estimar una media se utiliza
la siguiente frmula:
Z 2 * s2

s2 = Varianza.

n = --------------------e2
20

B)

Determinacin del tamao de la muestra para poblaciones finitas. En

este caso se emplea la siguiente frmula:
Z* p * q * N
n = ----------------------------e2 (N-1) + Z

p*q

De este modo, el nmero ptimo para un estudio de 60.000 personas

inscritas en cursos de formacin, estableciendo un nivel de confianza de
2 (95.5%), y el margen de error en el 3%, sera. Suponemos que la
opcin por inscribirse en cursos de formacin, o no, es del 50%.

4 * 50 * 50 * 60.000
N = ---------------------------------- = 1091 individuos.
9 (60.000-1) + 4 * 50 * 50

En el caso de que la investigacin requiera estimar una media la frmula

a utilizar quedara as:

N*Z

* s2

n = ----------------------------Z

* s2 + e2 * (N-1)

Como conclusin de este apartado hemos de sealar que las frmulas

anteriores varan con el tipo de muestreo y con el sistema de afijacin de
la muestra (13)

21

3.3 Afijacin de la muestra

Cuando se trata de muestras estratificadas la determinacin del tamao

de la muestra plantea un problema especial.

Adems de la

determinacin del tamao general de la muestra hay que especificar el

volumen de cada estrato de la muestra. Este proceso, denominado
afijacin de la muestra, debe tener en cuenta que para garantizar la
representatividad de la poblacin, en la muestra debern figurar los
estratos segn su proporcin en el universo.

La forma ms utilizada y directa de realizar esta operacin (afijacin

proporcional) consiste en aplicar el porcentaje, que representa cada
estrato dentro del universo, al tamao general de la muestra, con lo que
se obtendr el nmero de elementos de la muestra que se debe asignar
a cada estrato. Para Snchez Crespo (14)

este sistema, que es el ms

utilizado, rene las siguientes ventajas: permite una moderada ganancia

global en precisin y mantiene la igualdad de probabilidad de eleccin de
todas las unidades del universo.

Si se conocieran las desviaciones tpicas o las proporciones de cada

estrato en el universo, o se han calculado ex-profeso , mediante un
sondeo previo con relacin al objeto de estudio de la muestra; se suele
utilizar otro procedimiento de afijar la muestra que consiste en multiplicar
el porcentaje de cada estrato en el universo por su proporcin o su
desviacin tpica y repartir el tamao de la muestra entre los estratos
proporcionalmente a dichos productos. Este procedimiento se denomina
afijacin ptima, y su aplicacin est justificada por razones econmicas
en el caso de que con su empleo se pueda reducir sensiblemente, por
tener una varianza ms reducida, el tamao de estratos que resulte ms
caro investigar. (15)

22

CONCLUSIONES

En el presente trabajo monogrfico luego de desarrollar los aspectos

fundamentales de la temtica, presentamos las siguientes conclusiones:
PRIMERO: La poblacin y la muestra de estudio, cubre desde la Objetividad y
representatividad en una muestra hasta las tcnicas de seleccin de la muestra
as podremos proporcionar procedimientos metodolgicos para construir
instrumentos de recoleccin y medicin de datos en sus diferentes tipos, la
administracin de los mismos, el procedimiento y sistematizacin de los datos,
el anlisis de los datos y las conclusiones que se desprenden de tal anlisis.

SEGUNDO:

La

muestra

es

un

subconjunto,

subgrupo

fragmento

representativo, de la poblacin, cuyas caractersticas esenciales son las de ser

objetivas y reflejo fiel del conjunto de ella. As los resultados obtenidos en la
muestra se puedan generalizarse a todos los elementos que conforman la
poblacin.

TERCERO: Para obtener una muestra aleatoria estratificada, primero se divide

la poblacin en grupos, llamados estratos, que son ms homogneos que la
poblacin como un todo. Los elementos de la muestra son entonces
seleccionados al azar o por un mtodo sistemtico de cada estrato.

CUARTO: Las estimaciones de la poblacin, basadas en la muestra

estratificada, usualmente tienen mayor precisin (o menor error muestral) que
si la poblacin entera muestreada mediante muestreo aleatorio simple. El
nmero de elementos seleccionado de cada estrato puede ser proporcional o
desproporcional al tamao del estrato en relacin con la poblacin.

QUINTO: Los expertos aplican frmulas para determinar el tamao de la

muestra, el que va a estar dado por el nivel de precisin requerido y por el error
de muestreo aceptable. La importancia de tener una muestra representativa y
de tamao adecuado, aplicando un mtodo probabilstico, es que permite
23

generalizar, es decir, permite inferir los parmetros de la poblacin sobre la

base de los estadsticos de la muestra.

SEXTO: Es necesario identificar los diferentes tipos de muestras para cada

trabajo de investigacin, depende mucho de lo que se elige para que siga su
curso. Existe la necesidad de determinar de manera correcta el tamao de la
muestra, para que el estudio realizado arroje resultados esperados. Obtener
muestras adecuadas desde el punto de vista cientfico, aplicando diferentes
mtodos de seleccin.

OCTAVO: La muestra no probabilstica es

aquella que el investigador

selecciona segn su propio criterio sin ningn regla matemtica o estadsticas.

La muestra no probabilstica por cuotas pretende en clasificar a la poblacin en
grandes grupos o categoras, para luego seleccionar sobre la base de su propio
criterio las unidades de anlisis

24

REFERENCIAS BIBLOGRAFICAS
1. FOX, D. J. (1981): El proceso de investigacin en Educacin. Eunsa, Pamplona
2. BUENDA EISMAN, L.; COLS BRAVO, M.P. y HERNNDEZ PINA, F. (1998): Mtodos
de investigacin en Psicopedagoga. McGraw-Hill, Madrid.
3. LATORRE, A., RINCN D. del y ARNAL, J. (2003): Bases Metodolgicas de la
Investigacin Educativa. Experiencia S.L., Barcelona.
4. BUGEDA, J. (1974): Manual de tcnicas de investigacin social. Instituto de Estudios
Polticos, Madrid.
5. FOX, D. J. (1981): El proceso de investigacin en Educacin. Eunsa, Pamplona.
6. GARCA HOZ, V. y PREZ JUSTE, R. (1984): La investigacin del profesor en el aula.
Escuela Espaola, Madrid.
7. GARRET, H. E. (1976): Estadstica en Psicologa y Educacin. Paids, Buenos Aires.
8. GIL PASCUAL, J. A. (2004): Bases Metodolgicas de la Investigacin Educativa.
(Anlisis de datos). UNED, Madrid.
9. JIMENEZ FERNNDEZ, C. (1983): Poblacin y muestra. El muestreo. En JIMNEZ
FERNNDEZ, C., LPEZ-BARAJAS ZAYAS, E. y PREZ JUSTE, R. : Pedagoga
Experimental II. Tomo I. UNED. Madrid. pp. 229-258.
10. KERLINGER, F. N. (1975): Investigacin del comportamiento.Tcnicas y
Metodologa. Interamericana, Mxico.- (1985): Enfoque conceptual de la
investigacin del comportamiento. Interamericana, Mxico.
11. LOHR, S. L. (1999): Muestreo: Diseo y Anlisis. International. Thomson Editores,
Madrid.
12.SIERRA BRAVO, R. Tcnicas de investigacin Social. Teora y Ejercicios. Paraninfo,
Madrid.(1988

13. RAE (2001): Poblacin / Muestra [en lnea]. Diccionario de la Lengua Espaola,
22 Edicin. Disponible en [consulta 2005,29 de septiembre]
14. LOHR, S. L. (1999): Muestreo: Diseo y Anlisis. International. Thomson Editores,
Madrid.
15. MARN IBEZ, R. (1985): El muestreo. Tema 6. En MARN IBEZ y PREZ
SERRANO, G.: Pedagoga Social y Sociologa de la Educacin. Unidades Didcticas 1, 2 y
3. UNED, Madrid. pp. 161-186

25

ANEXOS

26

27