FINAL - TEMA: MUESTREO

Para ordenar los conceptos partimos de entender la Estadstica como: Construir la informacin y manejarla. Por lo
general se vincula con la investigacin, con la parte ms dura de la ciencia. Tiene varias maneras de definirse, una de
ellas (Nuria Cortada de Kohan) Es un conjunto de tcnicas y herramientas que nos permite hacer algunas cosas para
construir informacin (como recolectar, presentar, sintetizar, ordenar y analizar los datos para un fin ltimo que es la toma
de decisiones para luego hacer inferencias. Existe una realidad cambiante (sistematizar la realidad que se presenta). Los
clculos se hacen sobre una muestra en la cual trabajamos descriptivamente y luego sobre la poblacin aplicamos las
inferencias. Los pasos seran:

Definimos una Poblacin de all seleccionamos una Muestra (la manera en la que la seleccionamos es lo que dar
validez a la investigacin) Cada uno de los elementos de dicha muestra se llamarn estadsticamente Unidad de Anlisis;
tolda unidad de anlisis posee una caracterstica que me interesa investigar/conocer a la que llamamos Variable. La
variable responde a la pregunta Que se quiere saber? Qu se quiere conocer?.

El relevamiento total de una poblacin se denomina CENSO. En otras palabras, conjunto total de elementos que
constituyen un rea de inters analtico. Lo que constituye la poblacin total est determinado, delimitado por
problemticas de tipo terico. Los elementos que constituyen una poblacin pueden ser individuos humanos, animales,
naciones, edificios, etc. Se denomina poblacin objeto: conjunto de individuos de los que se quiere obtener una
informacin. Cuando trabajamos con toda la poblacin los valores descriptivos hallados se llaman parmetros. Ejemplos:
media aritmtica ; desviacin standard. En otras palabras, caracterizan las distribuciones en el universo.

Pues entonces Cuando el conjunto de entidades para estudiar es muy numeroso, se estudian subgrupos de la poblacin
que se llaman muestras. La muestra debe tener una estructura anloga a la de la poblacin. Las ventajas de la utilizacin
de las muestras son que la informacin obtenida suele ser de mejor calidad que trabajando con grupos muy grandes. Se
necesitan menos colaboradores. El costo es menor y se obtiene una disminucin notable del tiempo necesario para una
investigacin. El trabajo sobre muestras se denomina MUESTREO; su estudio conduce a conclusiones que son
extensivas a la totalidad de la poblacin con una mayor rapidez de ejecucin. La muestra debe ser representativa de la
poblacin y permitir generalizar los resultados obtenidos. Cuando trabajamos con una muestra, los valores descriptivos
se llaman estadsticos. Ejemplos: media aritmtica; desviacin standard. Es decir, son los valores muestrales,
computados a partir de las muestras, y con los cuales se buscar estimar los parmetros poblacionales. La estadstica
Inferencial es quien nos permite la estimacin confiable.

Por una parte existen los parmetros poblacionales, es decir los valores verdaderos que caracterizan las distribuciones
de variables de una poblacin. Y por otra parte se obtienen valores muestrales, simples estimadores de aquellos
parmetros.

Para diferenciar el concepto del de unidad de anlisis (objeto o individuo del que hay que obtener la informacin),
entendemos "unidad de muestreo" como el nmero de elementos de la poblacin, no solapados, que se van a estudiar.
Todo miembro de la poblacin pertenecer a una y slo una unidad de muestreo.

Galtung (matemtico) dice que una muestra debe satisfacer 2 condiciones:

En ella debe ser posible poner a prueba hiptesis sustantivas. Esto es proporciones acerca de relaciones
entre variables. Esta condicin hace referencia al hecho que la muestra sea lo suficiente buena para
permitirle al investigador extraer conclusiones en cuanto a las relaciones entre sus variables.
Debe ser posible poner a prueba hiptesis de generalizacin, es decir, de la muestra a la poblacin. Esto
constituye la inferencia. Esta condicin tiene que ver con la posibilidad de establecer generalizaciones

Muestras Predispuestas: son 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: son aquellas cuya probabilidad de extraccin es conocida y diferenciamos dos tipos:
Finalistas (muestras cuya probabilidad de ser extradas es 0 o 1) Probabilsticas: son aquellas cuya probabilidad de ser
extradas es diferente de 0 y de 1.
TEORA DE LAS MUESTRAS: 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.

MUESTREO PROBABILISTICO Y NO PROBABILISTICO

MUESTREO PROBABILISITCO: Cumplen con el requisito de conocer el error que se comete al estimar un parmetro a
travs de un estadstico. Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para
formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma
probabilidad de ser seleccionadas. Slo estos mtodos de muestreo probabilsticos nos aseguran la representatividad de
la muestra extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo probabilsticos
encontramos los siguientes tipos:

a) AZAR SIMPLE: Son aquellas muestras en las que cada elemento de la poblacin tiene la misma probabilidad de estar
incluido en la muestra elegida, y tambin toda combinacin de elementos tiene la misma probabilidad. En otras palabras,
todos los elementos tienen la misma probabilidad de ser parte de la muestra. En este tipo de muestras debemos incluir,
el bolillero que consiste en, por ejemplo, en un bolillero tenemos 100 bolillas numeradas del 1 al 100, la probabilidad de
extraer una bolilla nmero 20 es 1/100, esta probabilidad es igual para cualquier numero que elijamos. Es importante
aclarar que si se trata de una poblacin finita tenemos que realizar la reposicin (volver a ponerlas) para que dicha
probabilidad sea siempre la misma. (el reemplazo es ms importante hacerlo cuando ms pequea es la diferencia entre
el nmero de casos de la poblacin y el nmero de casos de la muestra). Cuando no tenemos bolillero, que es lo ms
usual, se usan las tablas de nmeros al azar (lleva ms tiempo).

Procedimientos bsicos:

Hacer una lista completa del universo

Se determina el tamao de la muestra
Asignar un nmero a cada individuo del universo
A travs de una tabla de nmeros aleatorios o procedimiento similar seleccionar un nmero de individuos
que van a constituir la muestra.
Una vez que tenias todos los elementos de la poblacin enumerados en una lista. Se elije al azar un numero del 0 al 9 y
este nmero se busca en la tabla y a partir de ah se toman la cantidad de dgitos dependiendo del total de dgitos que
tiene la cantidad de elementos que forman la poblacin, es decir, si tengo 2000 elementos tomo a partir del numero
elegido 4 dgitos, y as hasta que consiga la cantidad de elementos que tendr la muestra. Al terminar la columna, el
numero elegido lo buscar en otra columna y elegs los que faltan. Muestra de 200.

VENTAJAS:

Sencillo y de fcil comprensin

Igual probabilidad de inclusin a todos los individuos.
Econmicas, al no tomar toda la poblacin.
No supone el conocimiento previo de ninguna de las caractersticas de la poblacin de la cual se va a extraer la
muestra.
Es relativamente simple determinar la precisin de las estimaciones muestrales porque los errores estndar de
los estimadores siguen distribuciones de probabilidad conocidas.
Tiende a reflejar todas las caractersticas de la poblacin, esto es, cuando crece el tamao de la muestra esta se
hace ms representativa de la poblacin
Se basa en la teora estadstica, y por lo tanto, existen paquetes informticos para analizar los datos.
DESVENTAJA:

No provee un nmero suficiente de casos de grupos especiales.

Supone un listado completo de todas las unidades que componen la poblacin. No siempre se cuenta con una
lista completa y actualizada de la poblacin, lo que impide el empleo.
Si se cuenta con el listado, su numeracin demanda mucho tiempo y trabajo (posible de reducir si se emplea un
diseo muestral diferente)
 Supone un tamao de muestra mayor que otros diseos para obtener un mismo nivel de confiabilidad. Esto
significa que para un mismo tamao de muestra, las estratificaciones 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 muestradas queden muy distantes unas de otras, con lo cual el costo para obtener
la informacin crece con la dispersin espacial de las mismas.

Cuando la cantidad de casos es abundante, en trminos generales deber ser preferida al resto de las otras muestras,
particularmente cuando no se conoce lo suficiente sobre los parmetros poblacionales.

b) AZAR SISTEMTICA: consiste en elegir los individuos de la muestra a intervalos sistemticos del listado, es decir a
intervalos iguales a partir de un primer caso elegido segn el mtodo de los nmeros al azar. Para fijar el intervalo se
divide el nmero de casos de la poblacin por el nmero de casos de la poblacin por el nmero de elementos que se
desea en la muestra. Ejemplo: 5000/500 =10.

Se elije un numero que este entre 1 y 10. Por ejemplo, 9. A este se le va sumando 10 y asi hasta que se tengamos el
total de elementos de la muestra.

Este mtodo es ms conveniente que al azar simple cuando el listado es muy largo. Puede producir deformaciones, si el
listado presenta alguna tendencia, pero esto suele poder corregirse mezclando bien los individuos de la lista.

Procedimientos bsicos:

Hacer una lista completa del universo

Seleccionar el 1 individuo a travs de un mtodo aleatorio
Seleccionar cada dcimo individuo a partir del 1
VENTAJAS:

Las ventajas tcnicas son similares a las del muestreo por azar simple.
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.

DESVENTAJA:

Desde el punto de vista estrictamente estadstico, no es probabilstico, ya que, si bien una vez iniciado el
muestreo las probabilidades son las mismas para la primera seleccin, una vez elegido este nmero, la muestra
pasa a ser finalista.
Alto costo monetario y de tiempo.
La ms sobresaliente es la que puede resultar de los sesgos propios del listado que estamos utilizando.

Debe ser utilizada nicamente en aquellos casos en que resulte imposible o demasiado costoso aplicar una manera
aleatoria simple, o como una etapa secundaria de un muestro complejo.

c) ESTRATIFICADO AL AZAR : es aplicable cuando la poblacin se compone de subgrupos a estratos de distintas

magnitudes, de modo que una muestra representativa ha de contener individuos sacados de cada categora a estrato.
Los estratos son homogneos dentro de s y heterogneos entre s. este se utiliza cuando se puede categorizar a las
personas en 1 o ms variables. Los individuos seleccionados deben corresponder a cada estrato.

Ej: si queremos que los varones y mujeres estn igualmente representados se hace un listado con mujeres y con varones
y en ambos estratos se elige la muestra. Poblacin: 5000. Muestra:500. Hombres: 250. Mujeres:250.

Procedimientos bsicos:

Dividir el universo en estratos internamente homogneos

Seleccionar dentro de cada estrato los individuos de modo aleatorio
Las fracciones de muestra en cada estrato son proporcionales o pueden ser distintas

MUESTREO ESTRATIFICADO PROPORCIONAL: reproduzco en la muestra la misma proporcin que se da en

la poblacin. Es decir, es aquella en la cual la fraccin de muestreo es igual para cada estrato.
Ejemplo: poblacin: 5000 histricos. Muestra: 500. Hombres: 40%, en total, 200 histricos. Mujeres: 60%, en total, 300
histricos.

MUESTREO ESTRATIFICADO NO PROPORCIONAL: cuando la dispersin de las variables dentro de cada estrato del
universo es muy distinta, conviene tomar ms casos en el estrato con mayor dispersin, que suele ser el ms pequeo,
que en el estrato ms homogneo, que suele ser el mayor. En otras palabras, en situaciones donde el grupo mayoritario
se presenta de manera ms homognea y el grupo minoritario, se presenta de manera ms heterognea; al seleccionar
la muestra se toman ms casos del grupo minoritario y manos casos del mayoritario, para compensar as la cantidad con
la variedad. En otras palabras, si existen diferencias en las fracciones de muestreo las llamamos de este modo.

Ej 1: hospital pblico, san martin en lp. Espacio humilde para el trabajo del psiclogo. Casos de adiccin, depresin o
violencia. Clase baja. Grupo mayoritario: mujeres golpeadas, en cierto punto se dejan. Total: 35.

Grupo minoritario: nios golpeados, victimas. Total: 5.

Lo que quiero investigar es la causa de la violencia.

Tomo, los 5 del grupo minoritario, y 5 del mayoritario para compensar.

Ej 2: una fundacin ONG, autismo. Mayoritario: nios. Minoritario: mayores. Averiguar: relacin con terceros (amigos,
pareja)

Es importante sealas, que una vez determinada la proporcin, se seleccionan las muestras dentro de cada estrato
segn los procedimientos del muestreo aleatorio simple que sealamos antes.

VENTAJAS:

Adems de las ya nombradas por el muestro aleatorio simple.

La muestra es ms homognea, garantizando la representatividad.
Elimina los errores en la estimacin que son producto de diferencias entre estratos.
Una adicional, ofrecida por el muestreo estratificado no proporcional, es la de posibilitar un mejor conocimiento
de grupos pequeos (en relacin a la cantidad total de casos)
DESVENTAJAS:

Supone el conocimiento previo de las caractersticas de la poblacin, a partir de las cuales se estratifica
Son de costo ms elevado, que las por azar simple, en dinero y energa.
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
anlisis comparativos inter-estratos.

Cuando es posible estratificar hay que hacerlo, ya que esto homogeneiza la muestra y los clculos consiguientes resultan
de mayor riqueza y representatividad.

d) MUESTREO POR CONGLOMERADO : se usa generalmente cuando hay que hacer trabajos que abarcan una
superficie geogrfica muy amplia. Se trata de que dentro del conglomerado (los grupos en los que se divide la poblacin).
est representada la mayor cantidad posible, por lo que en este tipo de muestreo suele haber mucho error. El objeto de
este mtodo consiste en dividir a la poblacin en sectores llamados conglomerados, cuya caracterstica fundamental es
que las cantidades sean ms heterogneas entre s dentro de cada conglomerado, y que los conglomerados sean lo ms
homogneos posible.

En este mtodo de muestreo lo que se elige es una muestra por conglomerados, pero dentro de cada uno de los
conglomerados elegidos se estudian y observan todas las entidades. Este mtodo tiene mayor error que el muestreo por
azar simple, tiene la ventaja de que aunque para ir de un conglomerado a otro sea una distancia muy lejana los
entrevistados dentro del conglomerado estarn muy cerca entre s.

El investigador lo considera en aquellos casos en los cuales la poblacin a estudiar est dispersa a lo largo de reas
geogrficas o situaciones similares, donde los costos para alcanzar las unidades resultan ser muy elevados.
(se utiliza cuando hay que abarcar una superficie geogrfica muy amplia, se divide a la zona en conglomerados, se trata
que dentro del conglomerado este representara la mayor cantidad posible y los conglomerados sean homogneos entre
si)

Ej: nivel socioeconmico en provincias lejanas como Misiones, Mendoza, Cordoba, Tierra del Fuego. Conglomerado,
habitantes de un determinado barrio de la ciudad de Mendoza.

Grupos con igual sexo, edad, educacin, religin y la diferencia esta en el equipo de futbol en La Plata, por ejemplo.

Procedimientos bsicos:

Dividir el universo en diversos grupos, lo ms homogneo posible.

Seleccionar primero que grupo debe constituir la muestra
Dentro de cada grupo seleccionar los individuos de la muestra de modo aleatorio
VENTAJAS:

La principal es la concentracin de las unidades en rea, 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.
El resto de las ventajas son similares a las que venimos remarcando ya sealadas en el muestreo aleatorio
simple.
DESVENTAJAS:

Exige tratamientos estadsticos algo complejos

En comparacin con el muestro aleatorio simple o el 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.

Si bien tiene algunas limitaciones en trminos de inferencia, representa muchas veces la nica salida cuando los
recursos disponible no son suficientes para plantear la muestra por estratificados o la aleatoria simple.

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. En la muestra
estratificada, una vez determinados los estratos, seleccionbamos los casos al interior de cada estrato (proporcional o no
proporcional).

MUESTREO NO PROBABILISTICO:

sta suele usarse como primer aproximacin en trabajos piloto, pero no puede saberse cuan confiables son sus
resultados, pues no es posible conocer el error cometido al estimar un parmetro. En el muestreo no probabilstico no se
conoce el N de la poblacin, por lo tanto no se pueden determinar los errores.

En otras palabras, sirven para tener una primera aproximacin, se usan para llevar adelante estudios pilotos, o para
diseo exploratorio, no tiene rigor, al no conocer N no se pueden determinar los errores. Existen 3 tipos:

a) Intencional: se elige al sujeto segn los datos que se quieran recolectar. Se busca informantes, recolectamos
informacin de varias fuentes. Por medio del experto se seleccionan casos que resultan ser tpicos. Son producto de
una seleccin de casos segn el criterio de algn experto.

Ej: para un estudio sobre la calidad de la educacin, se establecen criterios de seleccin: min 20 aos de experiencia en
el campo educativo, ttulo de posgrado, haber ocupado un cargo directivo.

b) Por cuotas: cada tantos sujetos se toma uno. . A distintos encuestadores se les da una cantidad de casos para
realizar (cuotas). Cuota: cantidad de casos que tiene que haber de acuerdo a las caractersticas de la investigacin.
Divide a la poblacin bajo estudio en subgrupos o cuotas. Los entrevistadores pueden ser profesionales o no, a cada uno
se les fija una cuota de individuos a entrevistar, especificndoles sus caractersticas (ej: varones, casados, propietarios
de un auto, no mayores de 50 aos ni menores de 25). Cada entrevistador selecciona por su cuenta y entrevista a los
sujetos segn un cuestionario, hasta completar su cuota.
Desventajas:

El sesgo del entrevistador.

c) Casual: Es la tcnica favorita de muestreo de reporteros de canales de televisin o radio. Consiste simplemente en
entrevistar a cualquier sujeto, de forma casual. Ej: encuesta callejera.

Ventajas:

Exige personal menos entrenado y de costo menor

Desventajas:

Presenta serios obstculos a la generalizacin

ESTIMACIN DE PARMETROS - ERROR DE MUESTREO

Estimacin de parmetros: Los parmetros son valores poblacionales fijos representados con letras griegas que
caracterizan una poblacin (x: media, S2: varianza, S: desvo standard). Los estimadores son los valores que estiman los
parmetros poblacionales a partir de una muestra (x, S2, S).

La estimacin es un proceso mediante el cual se obtienen estimadores que se aproximan al valor del parmetro
poblacional, partiendo de la informacin proveniente de una muestra. Cuando se hacen estas estimaciones, se supone
que la media de la poblacin es la misma que la media de la muestra. Debido a que siempre la media de la muestra ser
un poco distinta que la de la poblacin, la diferencia se conoce como error de muestreo. ste se estima utilizando la
varianza de la muestra para expresar la confianza he hasta donde la media de la poblacin es distinta de la media de la
muestra. La exactitud de esta estimacin depende del tamao de la muestra, y a menor tamao de muestra, menor
posibilidad de error de muestreo.

Estimacin de parmetros: 1- error de muestreo: ej: a) s:1,50 t: 1,70 = 0,20 mas representativo

b) s=2,10 t:2,60 =0,50

2- prueba de hiptesis: a) prueba de la media (M): hiptesis cero: media poblacin =media muestra.

Hiptesis i: media poblacin diferente media muestra

b) prueba de la mediana: mismo procedimiento que con el de la media

PRUEBA DE HIPTESIS. ELEMENTOS QUE INTERVIENEN EN SU APLICACIN.

INTERPRETACIN.

Cuando se habla de prueba de significacin, el punto de vista subyacente es tener una hiptesis de lo que sucede en una
poblacin. El problema consiste en saber si los resultados son coherentes con esta hiptesis. Los resultados se
consideran consistentes con la hiptesis de nulidad (H0). Este punto de vista tiene la desventaja de que a menudo las
hiptesis que se verifican pueden no ser exactamente verdaderas. Despus de seleccionar ciertas hiptesis que se
consideran importantes para una teora determinada, se recolectan datos empricos que han de aportar informacin
directa para la aceptacin de dicha hiptesis. Las decisiones sobre el significado de los datos llevan a retener, revisar o
rechazar una hiptesis y la teora de la cual emanaba. Para alcanzar una decisin objetiva sobre la confirmacin de una
hiptesis, es necesario seguir los siguientes pasos:

- Formular la hiptesis de nulidad. Esta postula que no existen diferencias. Se formula con el propsito expreso de
rechazarla.
- Elegir la prueba estadstica correspondiente, para verificar las hiptesis de nulidad. Su eleccin depende de la hiptesis
alternativa que se formule, el nmero de casos usados, el nivel de medicin, etc.

- Determinar:

1. El nivel de significacin (). Indica la probabilidad de que se rechace la

H0 siendo sta cierta. Es decir, si la probabilidad de ocurrencia de un valor particular obtenido en una prueba estadstica
es igual o menor que , se rechaza la H0 y se acepta la hiptesis alternativa. Al probar una hiptesis, la mayor
probabilidad que se esta dispuesto a arriesgar de cometer un error es el nivel de significacin. Este error suele ser del
5%, 1% o 1.

2. Los tipos de error. El riesgo de error esta dado por el nivel de significacin elegido, pues aunque la H0 opere, existe
una probabilidad de ese tanto por ciento de que se halla rechazado indebidamente. Este tipo de error es el tipo de error I
o alfa (), que es el error que se comete al rechazar la hiptesis nula, cuando esta era cierta. El error tipo II o beta ()
consiste en no rechazar la hiptesis nula, cuando en realidad es falsa.

= probabilidad (rechazar H0/H0 es verdadera). = probabilidad (no rechazar H0/H0 es falsa). Cuando n aumenta, la
probabilidad de que se presenten errores ( y ) disminuye.

Pasos para realizar una prueba de hiptesis:

1. Formulacin de las hiptesis

2. Formulacin de las hiptesis en trminos estadsticos
3. Planteo de la H1 como uni o bidireccional.
4. Eleccin entre una prueba de uno o de los dos extremos
5. Eleccin de la prueba estadstica que se realizar
6. Eleccin del nivel de significacin
7. Determinacin de los puntos crticos
8. Observacin y clculos de los resultados muestrales
9. Calculo de error estndar del estadstico de la prueba.
10. Determinacin de la zona en que se encuentra el resultado observado
11. Decisin a favor o en contra de la H0

-Muestreo para probar hiptesis sustantivas: estas muestras deben ser seleccionadas de manera tal que
contengan el tipo de elementos sobre los cuales hacen referencia las proposiciones en que el investigador est
interesado. El investigador no est tan interesado en la generalizacin como en la relacin especfica entre variables; de
manera que quiere garantizar que su muestra contenga unidades suficientes de un tipo determinado. La muestra debe
ser suficientemente heterognea. Galtung, dice que el investigador debe responder 3 preguntas: cuntas variables
quiere el investigador analizar simultneamente?, cul es el nmero mximo de valores que desea utilizar por
variables? Y cul es el valor mnimo por celda que necesita. Por medio de las 2 primeras va a determinar el tamao de
la matriz de los datos y por medio de la ltima va a satisfacer los requisitos referentes a la prueba de hiptesis
estadsticas.

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.

Ventajas

Vinculadas al proceso total de la investigacin, ya que obliga al investigador a explicar como hiptesis y a
pensar desde un comienzo en los mtodos a utilizar en el anlisis.
Desventaja:

Exige conocimiento previo tanto de caractersticas poblacionales, cuanto del tipo de anlisis que se va a
utilizar. Algunas veces no es posible establecer generalizaciones.