Escolar Documentos
Profissional Documentos
Cultura Documentos
En las actividades de investigacin cientfica y tecnolgica es muy til el empleo de muestras. El anlisis de una muestra permite inferir conclusiones susceptibles de generalizacin a la poblacin de estudio con cierto grado de certeza (Holgun y Hayashi, 1993). Al desarrollar un proyecto de investigacin el total de observaciones en las cuales se est interesado, sea su nmero finito o infinito, constituye lo que se llama una poblacin, (Walpole y Myers, 1996, p. 203). La muestra es una pequea parte de la poblacin estudiada. La muestra debe caracterizarse por ser representativa de la poblacin. De acuerdo con Briones (1995) una muestra es representativa cuando reproduce las distribuciones y los valores de las diferentes caractersticas de la poblacin..., con mrgenes de error calculables, (p. 83). Los anteriores conceptos reflejan que al analizar una muestra se est aplicando la inferencia estadstica con el propsito de ... conocer clases numerosas de objetos, personas o eventos a partir de otras relativamente pequeas, compuestas por los mismos elementos, (Glass y Stanley, 1994, p. 241). En trminos generales la informacin que arroja el anlisis de una muestra es ms exacta incluso que la que pudiera arrojar el estudio de la poblacin completa.
ndice
1.
1.2. Tcnicas de muestreo..5 1.3. Muestreo aleatorio con o sin reemplazamiento..6 1.4. Muestreo estratificado..9 1.5. Muestreo por conglomerados..11 1.6. Muestreo sistemtico...12 1.7. Otros tipos de muestreo......14
a entrevistar, habra gente que est de viaje fuera del pas, habra gente que est enferma en el hospital, etc. En este caso, por motivos econmicos, de tiempo y de dificultad de acceso a toda la poblacin, sera conveniente entrevistar a una cierta parte de la poblacin, una muestra, elegida convenientemente para poder extraer despus conclusiones a toda la poblacin. En el segundo caso tenemos una problemtica diferente. Para poder estudiar la duracin de una pila, debemos usarla hasta que se gaste, lo que nos impide volver a usar la pila. Es decir, de alguna maneradestruimos este elemento de la poblacin. Si quisiramos probar todas y cada una de las pilas, nos quedaramos sin ellas. En este caso, de nuevo sera conveniente estudiar slo un conjunto de esas pilas y luego extraer conclusiones ms generales a partir del conjunto que hemos estudiado. Por las razones anteriores, en muchos casos es conveniente el uso de muestras, pero para que podamos extraer conclusiones, es importante que elijamos bien las muestras para nuestros estudios. Por ejemplo, para el caso del acceso a internet de los espaoles, elegir a 10 personas de 40 millones es insuficiente, no es representativo. Tampoco lo sera preguntarle, por ejemplo a 100 personas de Madrid, o elegir a todos tus amigos y tu familia. Hay cuestiones que debemos especificar a la hora de elegir una muestra: 1. El mtodo de seleccin de los individuos de la poblacin (tipo de muestreo que se va a utilizar). 2. El tamao de la muestra. 3. El grado de fiabilidad de las conclusiones que vamos a presentar, es decir, una estimacin del error que vamos a cometer (en trminos de probabilidad). Como ya hemos dicho, la seleccin no adecuada de los elementos de la muestra provoca errores posteriores a la hora de estimar las correspondientes medidas en la poblacin. Pero podemos encontrar ms errores: el entrevistador podra no ser imparcial, es decir, favorecer que se den unas respuestas ms que otras. Puede ocurrir tambin que, por ejemplo, la persona que vayamos a entrevistar no quiera contestar a ciertas preguntas (o no sepa contestar). Clasificamos todos estos posibles errores de la siguiente manera: Error de sesgo o de seleccin: si alguno de los miembros de la poblacin tiene ms probabilidad que otros de ser seleccionados. Imagina que queremos conocer el grado de satisfaccin de los clientes de un gimnasio y para ello vamos a entrevistar a algunos de 10 a 12 de la maana. Esto quiere decir que las personas que vayan por la tarde no se vern representadas por lo que la muestra no representara a todos los clientes del gimnasio. Una forma de evitar este tipo de error es tomar la muestra de manera que todos los clientes tengan la misma probabilidad de ser seleccionados. 2. Error o sesgo por no respuesta: es posible que algunos elementos de la poblacin no quieran o no puedan responder a determinadas
cuestiones. O tambin puede ocurrir, cuando tenemos cuestionarios de tipo personal, que algunos miembros de la poblacin no contesten sinceramente. Estos errores son, en general, difciles de evitar, pero en el caso de la sinceridad, se suelen incorporar cuestiones (preguntas filtro) para detectar si se est contestando sinceramente. Despus de lo que acabamos de ver, podemos decir que una muestra es sesgada cuando no es representativa de la poblacin.
Imagina ahora que ya has seleccionado una muestra de un Centro de Enseanza Secundaria (CES) en el que hay 560 alumnos. Has elegido una muestra de 28 alumnos para conocer si tienen internet en casa. Pero, qu significa elegir a 28 de 560? Qu proporcin de la poblacin ests entrevistando? Y a la hora de obtener conclusiones sobre la poblacin a cuntos alumnos de la poblacin total representa cada uno de los de la muestra? Para calcular la proporcin de alumnos que estamos entrevistando, dividimos el tamao de la muestra entre el de la poblacin: 28/560 =
0,05, lo que quiere decir que estamos pasando la encuesta al 5% de la poblacin. Ahora vamos a calcular a cuntos individuos representa cada uno de los elementos de la muestra. Hacemos la divisin contraria, dividimos el nmero de individuos de la poblacin entre los de la muestra: 560/28=20, lo que querra decir que cada uno de los elementos de la muestra representa a 20 alumnos del CES. Los dos conceptos que acabamos de ver tienen la siguiente definicin formal. 1. Factor de elevacin: Es el cociente entre el tamao de la poblacin y el tamao de la muestra, N/n. Representa el nmero de elementos que hay en la poblacin por cada elemento de la muestra. 2. Factor de muestreo: Es el cociente entre el tamao de la muestra y el tamao de la poblacin, n/N. Si se multiplica por 100, obtenemos el porcentaje de la poblacin que representa la muestra.
Para nuestro ejemplo al elegir la muestra entre los 560 alumnos del CES, si vamos a preguntar por el hecho de que posean internet en casa, no nos interesa preguntarle dos veces a la misma persona, luego una vez elegido un elemento de la muestra no queremos volverlo a seleccionar. Realizaramos pues un muestreo aleatorio sin reposicin o sin reemplazamiento. Aunque los dos mtodos son diferentes, cuando el tamao de la poblacin es infinito, o tan grande que puede considerarse infinito, ambos mtodos nos llevarn a las mismas conclusiones. Sin embargo, si la fraccin de muestreo n/N es mayor que 0,1 (muestreamos ms del 10% de la poblacin) la diferencia entre las conclusiones que se obtienen pueden ser importantes. Al preguntar en nuestro ejemplo si los alumnos tienen o no internet en casa, nos interesa conocer tanto el nmero de alumnos que tiene internet como la proporcin que eso supone dentro del centro. Estos dos valores, igual que la media para otros casos (por ejemplo si preguntamos por la altura), son los parmetros ms calculados y que habitualmente queremos estimar. Para el caso del muestreo aleatorio tanto con reposicin como sin reposicin, estos estimadores vienen dados por las expresiones:
Total:
Media:
Proporcin:
La proporcin sera la media de una variable que toma valores cero o uno. En las anteriores expresiones: Xi: es el valor de la variable que estamos estudiando. N: es el tamao poblacional. n: es el tamao muestral. Pi es una variable que toma los valores 0 o 1. La estimacin del error para estos estimadores sera:
15 cm y en las alumnas es de 5 cm, la proporcin de los alumnos es 3 a 1 y la muestra deber guardar esa proporcin. 3. Se asigna el mismo tamao a cada estrato. Como consecuencia se favorece a los estratos ms pequeos y se perjudica a los grandes en cuanto a precisin. Para el caso del muestreo estratificado, los principales estimadores vendran dados por las siguientes expresiones: Total:
Media:
Proporcin:
Donde:
, . ,
, , , , proporcin muestral de la variable en el estrato h
10
Media:
Proporcin:
11
Donde:
, .
, .
, . , , .
12
Este tipo de muestreo requiere que previamente nos hayamos asegurado de que los elementos ordenados no presentan periodicidad en las variables objeto de estudio, puesto que si hay periodicidad y el perodo est prximo al valor v, los resultados que se obtengan tendrn grandes desviaciones y no tendran validez. El muestreo sistemtico es equivalente al muestreo aleatorio si los elementos se encuentran enumerados de manera aleatoria. Las ventajas de dicho mtodo son: 1. Extiende la muestra a toda la poblacin. 2. Es de fcil aplicacin. Los inconvenientes son: 1. Aumento de la varianza si existe periodicidad en la numeracin de los elementos, producindose sesgo por seleccin. 2. Problemas a la hora de la estimacin de la varianza.
Puede considerarse un caso particular del muestreo por conglomerados, estando cada uno de ellos formado por los siguientes elementos que ocupan en la lista el lugar: Primer conglomerado: 1, 1 + v, 1 + 2v, 1 + 3v, 1 + 4v,. . . Segundo conglomerado: 2, 2 + v, 2 + 2v, 2 + 3v, 2 + 4v,.... V-simo conglomerado: v, 2v, 3v, 4v,. . . nv. Seleccionar una muestra sistemtica equivale a seleccionar al azar un nico conglomerado. Para ello es necesario que cada uno de los conglomerados definidos tenga una composicin similar a la poblacin. Tambin puede considerarse como un caso particular de muestreo estratificado con un nmero de estratos igual a n, cada uno de ellos con v elementos de manera que en cada estrato se elige un nico elemento. En el muestreo estratificado el elemento seleccionado en cada estrato es aleatorio, mientras que en el sistemtico se elige de forma aleatoria al primer elemento quedando los restantes determinados por el factor v. Los estimadores para este tipo de muestreo son: Total:
Media:
13
Proporcin:
14
Bibliografa
Carrasco JL. El mtodo estadstico en la investigacin mdica. 5 ed. Madrid. Editorial Ciencia. Domenech JM. Mtodos Estadsticos en Ciencias de la Salud. Signo. Barcelona 1999. Hulley SB, Cummings SR. Diseo de la investigacin clnica. Ed Doyma. Barcelona 1993. Kelsey IL, Thompson WD, Evans A. Methods in observational epidemiology. New York Oxford University Press 1986. Mira JJ, Gmez J, Aranaz J, Prez E. Auditora de historias clnicas: Cal es el tamao adecuado de la muestra?. Todo Hospital 1997;octubre: 58-64. http://www.chospab.es/calidad/archivos/Metodos/Muestreo.pdf. http://dta.utalca.cl/estadistica/ejercicios/recoger/Muestro/muestreo.pdf
15