CONCEPTOS INICIALES EN LA TEORA DEL MUESTREO

Al hablar de mtodos de muestreo nos referimos al conjunto de tcnicas estadsticas que

estudian
la forma de seleccionar una muestra lo suficientemente representativa de una poblacin cuya
informacin permita inferir las propiedades o caractersticas de toda la poblacin cometiendo un
error medible y acotable. A partir de la muestra, seleccionada mediante un determinado mtodo
de muestreo, se estiman las caractersticas poblacionales (media, total, proporcin, etc.) con un
error cuantificable y controlable. Las estimaciones se realizan a travs de funciones matemticas
de la muestra denominadas estimadores, que se convierten en variables aleatorias al considerar
la
variabilidad de las muestras. Los errores se cuantifican mediante varianzas, desviaciones tpicas
o
errores cuadrticos medios de los estimadores, que miden la precisin de stos. La metodologa
que permite inferir resultados, predicciones y generalizaciones sobre la poblacin estadstica,
basndose en la informacin contenida en las muestras representativas previamente elegidas
por
mtodos de muestreo formales, se denomina inferencia estadstica.
Es muy importante tener en cuenta que para medir el grado de representatividad de la
muestra es necesario utilizar muestreo probabilstico. Diremos que el muestreo es probabilstico
cuando pueda establecerse la probabilidad de obtener cada una de las muestras que sea posible
seleccionar, esto es, cuando la seleccin de muestras constituya un fenmeno aleatorio
probabilizable. Dicha seleccin se verificar en condiciones de azar, siendo susceptible de
medida la incertidumbre derivada de la misma. Esto permitir medir los errores cometidos en el
proceso de muestreo (a travs de varianza u otras medidas estadsticas).
Existen varios tipos de muestreo, dependiendo de que la poblacin estadstica sea
finita o infinita, materia sobre la que existe amplia literatura estadstica, pero nosotros
consideraremos solamente el muestreo en poblaciones finitas. La poblacin finita inicial que
se desea investigar se denomina poblacin objetivo, pero el muestreo de toda la poblacin
objetivo
no siempre es posible debido a diferentes problemas que no permiten obtener informacin de
algunos de sus elementos (inaccesibilidad de algunos de sus elementos, negativas a colaborar,
ausencias, etc.), con lo que la poblacin que realmente es objeto de estudio o poblacin
investigada
no coincide con la poblacin objetivo.
Por otro lado, para seleccionar la muestra, necesitaremos un listado de unidades de muestreo
denominado marco que tericamente debiera coincidir con la poblacin objetivo. Un marco ser
ms adecuado cuanto mejor cubra la poblacin objetivo, es decir, cuanto menor sea el error de
cobertura. Pero en los marcos son inevitables las desactualizaciones, las omisiones de algunas
unidades, las duplicaciones de otras y la presencia de unidades extraas y otras impurezas que
obligan a su depuracin (depuracin de marcos imperfectos). Idealmente podra conseguirse la
poblacin objetivo eliminando del marco las unidades errneamente incluidas en l (unidades
extraas, duplicaciones, etc.) y aadiendo las omisiones. Asimismo, tambin sera una meta que
al
eliminar del marco las unidades de las que no se puede obtener informacin (inaccesibles,
ausentes,
no colaboradoras, etc.) se obtuviera la poblacin investigada. El marco puede estar constituido
por
unidades elementales de muestreo o por unidades compuestas. Una unidad elemental (o simple)
es la
unidad de muestreo ms sencilla posible y una unidad compuesta (o primaria) est formada por
varias unidades elementales. Como en la prctica no es fcil disponer de marcos de unidades
elementales, se intenta conseguir marcos de unidades compuestas que son ms accesibles. Por
ejemplo, para estudiar habitantes de una regin es ms fcil disponer de un listado de hogares
que de

un listado de individuos. Se selecciona la muestra de un marco de hogares (unidades

compuestas de
varios individuos) y despus se estudian las propiedades de los individuos con tcnicas
adecuadas.