Escolar Documentos
Profissional Documentos
Cultura Documentos
Muestreo
Objetivos de aprendizaje
Introducción
En los dos capítulos anteriores hemos centrado nuestra atención en los métodos de
recopilación de datos. Una parte importante de la recolección de datos primarios es el
muestreo. En general, hay dos preguntas fundamentales que suelen asociarse con el
muestreo: "¿Cómo puedo saber qué técnica de muestreo debo utilizar?" Y "¿Cuál es el
tamaño de muestra adecuado?" Este capítulo trata de responder estas preguntas.
La Figura 8.1 ilustra las etapas que es probable que atraviese al realizar su muestreo. En
realidad, el muestreo no siempre es un proceso lineal directo, como se verá más adelante
en este capítulo. Sin embargo, la Figura 8.1 proporciona una plantilla útil a partir de la cual
trabajar al elegir e implementar su (s) método (s) de muestreo.
Definir una población no siempre es sencillo. Depende en gran medida de tus preguntas
de investigación y del contexto con el que deseas estudiar. Al definir su población,
necesita establecer los tipos de casos que conforman su población, por ejemplo.
particulares, empresas, hogares, etc.
Un marco de muestreo es una lista de los casos reales a partir de los cuales se extraerá su
muestra. El marco muestral debe ser representativo de la población. Sin embargo, en
realidad es difícil saber cuándo una muestra no es representativa y no debe utilizarse.
Un aspecto importante de su marco muestral es considerar cómo se puede ubicar esa lista
de personas u organizaciones. Por ejemplo, si tiene la intención de encuestar a las
empresas de construcción locales en su área, puede identificar a su población como todas
esas empresas dentro de un radio de diez millas de su dirección. Al principio, la búsqueda
de una lista de empresas constructoras puede parecer relativamente simple. Una fuente
obvia es su directorio telefónico local, aunque tenga en cuenta que es probable que no
todas las empresas publiquen sus detalles en la guía telefónica. Por lo tanto, ¿cómo sabe
que esas empresas en el directorio son representativas de la población? Volveremos a
este punto más adelante en este capítulo.
Algunos investigadores no tienen acceso a un marco de muestreo, como un directorio
definitivo que proporciona detalles de la compañía. Si se encuentra en esta posición,
deberá desarrollar su propio marco de muestreo. Esto puede ser un proceso largo y
desafiante. Además, se enfrenta al problema de tratar de asegurarse de que su marco
muestral sea representativo de la población. En algunos aspectos, esto puede lograrse
refiriéndose a estudios anteriores que podrían ilustrar características clave de la
población.
Una vez que haya establecido su marco de muestreo, la siguiente etapa es considerar las
técnicas de muestreo y muestreo.
Antes de examinar los distintos tipos de métodos de muestreo, vale la pena señalar qué se
entiende por "muestreo", junto con las razones por las cuales es probable que seleccione
una muestra.
Antes de examinar los factores que pueden llevarlo a participar en el muestreo, vale la
pena señalar que las empresas también utilizan técnicas de muestreo cuando realizan
investigaciones. Supongamos, por ejemplo, que un fabricante de automóviles está en
proceso de lanzar un nuevo modelo en Alemania y desea obtener algunos datos sobre
posibles ventas. Esencialmente, hay dos maneras de encontrar esto:
como un todo.
• faltan las habilidades para recopilar todos los datos e interpretar los hallazgos;
En primer lugar, el tiempo es una impracticabilidad obvia que le impide estudiar a toda la
población. Incluso si su población se encuentra en una proximidad geográfica cercana, aún
puede llevar mucho tiempo contactar, analizar e interpretar los hallazgos de cada caso.
Segundo, es probable que la falta general de recursos impida que se dirija a toda la
población. En particular, el costo involucrado. El costo principal está asociado con la
administración de su recopilación de datos. Ya sea que opte por entrevistas o una
encuesta por cuestionario, los costos asociados pueden incluir viajes, alojamiento, gastos
de envío, etc.
En quinto lugar, puede que le resulte difícil acceder a toda la población. Las instancias que
podrían restringir su acceso incluyen: un tema delicado, la falta de datos publicados sobre
toda la población y una falta general de participación de los participantes en su
investigación.
Finalmente, tal vez no tanto una impracticabilidad sino una opción preferida es su
intención de comparar su investigación con la de estudios anteriores. Para poder
comparar datos de igual a igual, su intención podría ser adoptar el mismo método de
muestreo que otros investigadores.
En esta sección hemos explorado una serie de razones para seleccionar una muestra. La
siguiente etapa es considerar qué constituye un tamaño de muestra adecuado.
Técnicas de muestreo
Antes de elegir su (s) tipo (s) específico (s) de técnica de muestreo, debe decidir su técnica
de muestreo amplia. Las razones por las que me he referido al muestreo tanto en singular
como en plural se deben a que en algunos casos es posible que desee adoptar más de un
método de muestreo. Exploramos las razones de esto más adelante.
Muestra los distintos tipos de técnica de muestreo. Estos se pueden clasificar en base a la
probabilidad o el muestreo no probabilístico.
Muestreo de probabilidad
El muestreo de probabilidad significa que cada elemento de la población tiene las mismas
posibilidades de ser incluido en su muestra. Una forma de realizar un muestreo aleatorio
sería si primero construyera un marco de muestreo y luego usara un programa
informático de generación de números aleatorios para seleccionar una muestra del marco
de muestreo.
FIGURA 8.3 Técnicas de muestreo.
"La probabilidad o el muestreo aleatorio tienen la mayor libertad de sesgo, pero pueden
representar la muestra más costosa en términos de tiempo y energía para un nivel dado
de error de muestreo" (Brown, 1947: 337). Además, no siempre es apropiado para
aquellos estudiantes que están interesados en hacer investigación de estudios de caso.
Hay varios tipos diferentes de técnicas de muestreo probabilístico. Ahora examinaremos
cada uno a su vez.
La muestra aleatoria simple significa que cada caso de la población tiene una probabilidad
igual de inclusión en su muestra. Por ejemplo, digamos que desea encuestar a 250
miembros de un club deportivo. Si la membresía total es 1,000, la probabilidad de
inclusión en la muestra es:
• se necesita un marco completo (una lista de todas las unidades en toda la población);
Refiriéndonos al ejemplo anterior del club deportivo, sabemos que debemos seleccionar
uno de cada cuatro miembros. Con una muestra sistemática, haríamos un inicio aleatorio
entre uno y cuatro inclusive, posiblemente utilizando los últimos dos dígitos en una tabla
de números aleatorios.
El muestreo estratificado se usa a menudo cuando hay una gran variación dentro de una
población. Su propósito es asegurar que cada estrato esté adecuadamente representado.
Por lo tanto, el número de elementos elegidos de cada subgrupo puede ser proporcional
al tamaño del estrato en relación con la población. Por esta razón, al hacer inferencias en
relación con la población más amplia, el muestreo estratificado generalmente tiene un
error de muestreo más pequeño que el muestreo aleatorio simple. Este mayor nivel de
precisión es una ventaja clave del muestreo estratificado. Sin embargo, a veces puede ser
difícil obtener información detallada sobre todo su marco muestral, por lo que es
problemático a la hora de identificar sus estratos.
• Elija agrupación de grupos para su marco de muestreo, por ejemplo, Tipo de empresa o
región geográfica.
Muestreo no probabilístico
Muestreo por cuotas El muestreo por cuotas es una técnica de muestreo no aleatorio en
la que los participantes se eligen en función de características predeterminadas para que
la muestra total tenga la misma distribución de características que la población en
general. Un problema asociado con el muestreo de cuotas es la dificultad de obtener
información sobre las características de aquellos en su muestra prevista. Además, como
método de muestreo no probabilístico, no puede deducir de sus resultados a la población
en general.
Si, por ejemplo, desea entrevistar a directores gerentes de compañías locales, puede tener
dificultades para acceder a un número suficiente de directores. El muestreo de bola de
nieve le permite quizás superar este problema utilizando los directores que conoce para
ponerse en contacto con otros directores dentro de su red comercial. ¿Cómo se puede
lograr esto? Bueno, a menudo suele darse cuenta de que las personas que ocupan puestos
de alta dirección son miembros de diversos organismos profesionales, asociaciones
empresariales y, en general, de una amplia red comercial. En esencia, puede usar algunas
de estas personas clave para comunicarse con su red de negocios más amplia sobre su
investigación.
La ventaja del muestreo de bola de nieve es que otras personas pueden hacer mucho del
trabajo para usted al desarrollar el tamaño de su muestra. Además, algunas de estas
personas pueden ser cruciales para su investigación. Las desventajas con el muestreo de
bolas de nieve son que le brindan al investigador muy poco control sobre los casos dentro
de la muestra. Por ejemplo, es probable que las personas se pongan en contacto con
amigos cercanos, que pueden compartir puntos de vista similares. Por lo tanto, existe la
posibilidad de obtener un número de casos sesgado y no representativo.
• un caso único;
• un caso crítico; y
Un caso único es aquel que muestra una característica que no es compartida por otros
casos. Para ilustrar, digamos que está realizando un estudio sobre las marcas líderes del
mundo. En general, estos están dominados por Estados Unidos y Japón. Sin embargo, si
una marca europea, digamos Nokia, es la única que representa a Europa en el top ten,
esto podría interpretarse como un caso único. Al incluir un caso único, la intención es
comparar y contrastar los hallazgos con otros casos en su muestra. La inclusión de un caso
único a menudo puede proporcionar hallazgos interesantes que pueden explorarse en
estudios posteriores.
Un caso crítico es uno que es esencial para su investigación. Por ejemplo, los EE. UU. Se
verían como un caso crítico en el contexto de la investigación sobre las principales
economías del mundo. En otras palabras, es probable que la falta de inclusión de EE. UU.
En su investigación tenga un impacto negativo en la credibilidad de sus resultados.
En general, ciertas técnicas de muestreo están mejor combinadas que otras. Por ejemplo,
si utiliza el muestreo de conveniencia, parece natural incluir casos dentro de su muestra
que son cruciales para su investigación (muestreo de juicio). Si bien se pueden utilizar
métodos probabilísticos y no probabilísticos para la misma población, para el investigador
suele llevar mucho tiempo y es costoso.
La Tabla 8.1 ilustra las fortalezas y debilidades asociadas con cada técnica de muestreo
respectiva. En este momento, debe tener en cuenta que no existe un método de
muestreo "mejor". Como se indicó, es probable que varios factores determinen su
elección de la técnica de muestreo. Sin embargo, la Tabla 8.1 actúa como un punto de
partida útil.
• la confianza que necesita tener en sus datos, es decir, el nivel de certeza de que las
características de los datos recopilados representarán las características de la población
total;
• el margen de error que puede tolerar, es decir, la precisión que necesita para las
estimaciones realizadas a partir de su muestra;
• los tipos de análisis que va a realizar, en particular la cantidad de categorías en las que
desea subdividir sus datos, ya que muchas técnicas estadísticas tienen un umbral mínimo
de casos de datos para cada celda;
Primero, si desea hacer una inferencia a una población más amplia, como "regla general",
el tamaño de la muestra debe constar de al menos 30 casos. Idealmente, cuando la
población es menor de 30, toda la población debe incluirse en el estudio, aunque esto
también depende de la medida en que una muestra sea homogénea. En general, cuanto
más heterogénea es una población, mayor es la muestra requerida para adquirir una
muestra representativa, mientras más homogénea, menor es la variabilidad en la
distribución de las características en la población. El nivel de confianza se expresa como
un porcentaje, típicamente 95% o 99%. La confianza que usted tiene en que un parámetro
se encuentra dentro de un rango específico de valores. Un parámetro es una característica
de la población como una proporción (P) o media. Por ejemplo, si adopta un nivel de
confianza del 95%, espera que 95 de cada 100 muestras tengan el verdadero valor de la
población dentro del rango de precisión, por ejemplo. ± 5 por ciento.
En segundo lugar, es posible que desee basar el tamaño de su muestra en estudios
similares anteriores en su campo elegido. La ventaja de esto es que puede permitir
Análisis comparativos con investigaciones previas. Sin embargo, el inconveniente es que la
revisión de estos estudios anteriores no siempre revela las técnicas de muestreo utilizadas
por los investigadores. Por lo tanto, aunque su muestra puede ser de tamaño similar, es
poco probable que adopte el mismo método de muestreo y / o casos.
Cada muestra estadística que calcule a partir de una muestra tendrá un error de
muestreo, independientemente de la técnica de muestreo que utilice. En última instancia,
cuanto más bajo sea el error de muestreo requerido, mayor deberá ser la muestra
probabilística. La única forma de eliminar el error de muestreo es realizar un censo de
toda la población.
Quinto, si la población es pequeña, por ejemplo. menos de 150, entonces usted puede
estar en condiciones de realizar un censo de toda la población. La ventaja de poder hacer
esto es que elimina los datos de error de muestreo en todos los individuos. Sin embargo,
como hemos establecido, puede ser costoso y llevar mucho tiempo a toda la población.
Finalmente, hay varias fórmulas y tablas diferentes que se utilizan para determinar el
tamaño de la muestra. El rango de métodos está más allá del alcance de este libro. Para
una discusión más profunda sobre los métodos de muestreo, ver Cochran (1977). Sin
embargo, a continuación se muestra un ejemplo de Yamane (1967). Esta fórmula se utiliza
para calcular los tamaños de muestra en la Tabla 8.2. La tabla muestra el tamaño de la
población y el tamaño de muestra requerido para niveles de precisión de ± 5%, donde el
nivel de confianza es del 95% y P = .5, que es la proporción estimada de una característica
que está presente en la población.
Ejemplo
Yamane (1967: 886) sugiere la siguiente forma de calcular el tamaño de la muestra:
dónde:
n = tamaño de la muestra
N = tamaño de la población
Como se mencionó, hay varios métodos utilizados para calcular el tamaño de la muestra.
Los criterios de precisión (error de muestreo), variabilidad y nivel de confianza son
consideraciones importantes al pensar en el tamaño de la muestra en su propio proyecto
de investigación. Recuerde que el tamaño de su muestra calculada no permite las no
respuestas. Idealmente, necesita aumentar el tamaño de su muestra en al menos un 30%
para superar este problema.
Una vez que haya establecido su población objetivo, marco de muestreo, técnica (s) de
muestreo y tamaño de muestra, el siguiente paso es recopilar sus datos. Como se señaló
en el Capítulo 6, existen numerosos métodos de recopilación de datos primarios. Es
probable que sus métodos elegidos tengan un impacto en su elección de las técnicas de
muestreo. La observación del participante suele estar asociada con un muestreo no
probabilístico, mientras que es más probable que utilice técnicas de probabilidad si está
realizando una encuesta por cuestionario.
Una vez que comienza a recopilar sus datos, una preocupación clave es lograr un número
adecuado de respuestas. Idealmente, el tamaño de su muestra debe ser lo
suficientemente grande como para adaptarse a las no respuestas. Examinamos el tema de
las tasas de respuesta en la siguiente sección.
En realidad, la mayoría de los investigadores nunca logran una tasa de respuesta del
100%. Las razones para esto pueden incluir la negativa a responder, la inelegibilidad para
responder, la incapacidad para responder o el entrevistado ha sido localizado pero no
puede hacer contacto. La tasa de respuesta es importante porque cada no respuesta
puede sesgar su muestra final. Si, por ejemplo, decidió realizar una encuesta por correo
electrónico sobre prácticas laborales y recibió una tasa de respuesta del 60%, esto podría
interpretarse como una respuesta excelente. Sin embargo, un examen más detenido de
sus hallazgos podría indicar que la mayoría de los encuestados son los que trabajan a
tiempo completo y trabajan desde casa, mientras que los que trabajan a tiempo parcial
generaron un bajo número de respuestas. Entonces podría concluir que este sesgo se
debe posiblemente al hecho de que las personas que trabajan a tiempo parcial tienen
acceso limitado a Internet. Por lo tanto, su muestra no es representativa de toda la
población.
Una alta tasa de respuesta es esencial si desea inferir de sus resultados a la población más
amplia. Si genera una tasa de respuesta baja, mayor será el Probabilidad de sesgo de la
muestra. Por ejemplo, las tasas de respuesta tan bajas como 5-20% aumentan la
probabilidad de que la muestra no sea representativa. Para ilustrar, suponga que realiza
una investigación para mantener a las mascotas utilizando un método de muestreo
aleatorio de personas en su área. Si recibe una tasa de respuesta de solo el 25%, esto
podría deberse a que solo respondieron aquellos encuestados que tienen una mascota o
un interés en ellas. Esto se debe a que las personas interesadas en las mascotas tienen
más probabilidades de devolver el cuestionario completado.
Por estas razones, es vital hacer un seguimiento de las respuestas. Si experimenta una
tasa de respuesta baja, no se sienta demasiado abatido. Una tasa de respuesta baja puede
estar de acuerdo con estudios de investigación anteriores. Si es así, esto puede hacer para
un análisis comparativo interesante. Al realizar su revisión de literatura, debe estar
familiarizado con lo que constituye una tasa de respuesta "típica" en su materia elegida.
Un factor clave para aumentar su tasa de respuesta es siempre involucrar una etapa de
"persecución". Básicamente, esto implica contactar a los participantes nuevamente para
"alentarlos" a participar en su investigación. Si todo lo demás falla, una muestra de
reserva siempre se puede poner en espera, si su población es lo suficientemente grande
como para permitirle tener una muestra de reserva, ¡eso es!
Elegir una técnica de muestreo inapropiada es algo que probablemente se dará cuenta en
retrospectiva. Una indicación clave de una mala elección del método de muestreo es una
baja tasa de respuesta. Ciertos métodos, como el muestreo por conveniencia,
probablemente no supongan un problema en términos de respuesta. Por el contrario, el
muestreo aleatorio estratificado suele ser más problemático debido a su naturaleza.
En general, debe estar seguro de haber elegido el método de muestreo correcto antes de
recopilar sus datos. Su elección del método de muestreo puede depender de cuánta
precisión se necesita. Digamos que usted tiene un problema importante que abordar. Por
lo tanto, existe una mayor necesidad de una muestra imparcial con un error de muestreo
medible. La mejor técnica sería una muestra probabilística. Por otro lado, si los hallazgos
se relacionan con una decisión menos importante, una muestra de juicio puede estar
justificada (Peterson y O'Dell, 1950).
INVESTIGACIÓN EN ACCIÓN
Bebidas Inocentes
En 1998, después de seis meses de probar recetas con amigos, gastaron £ 500 en frutas,
las convirtieron en batidos y las vendieron en un pequeño festival de música en Londres.
Junto a su puesto, colocaron un cartel grande que decía "¿Crees que deberíamos
renunciar a nuestros trabajos para hacer estos batidos?" Pusieron un recipiente que decía
"SÍ" y un recipiente que decía "NO" y les pidió a los asistentes al festival que pusieran Su
botella vacía en uno de los contenedores. ¡Richard, Adam y Jon sin duda se alegraron al
descubrir que el contenedor de "SÍ" estaba lleno porque no dudaron en renunciar a sus
trabajos al día siguiente! Bebidas inocentes nació.
Dadas sus limitaciones financieras, continuaron con su muestreo llevando varios frascos a
la vez en tiendas locales un día y regresando al día siguiente para ver si el propietario de la
tienda quería vender más. Con la ayuda de una inyección de capital de £ 250,000 de un
inversionista estadounidense, la compañía ha crecido de fuerza en fuerza. Los productos
incluyen una amplia gama de bebidas de frutas, todas ellas hechas de ingredientes 100%
naturales.
Resumen y conclusión
En este capítulo hemos examinado una serie de cuestiones relacionadas con el muestreo.
En particular, la razón por la cual los investigadores a menudo realizan el muestreo, el
proceso involucrado en la selección de una muestra y la variedad de técnicas de muestreo
disponibles para los investigadores. Aquí están los puntos clave de este capítulo:
• Los métodos de muestreo que elija dependen en gran medida de si desea o no inferir
que sus conclusiones se aplican a la población en general.