"Universos y muestras, Chitarroni - Cuatitativas - Aguirre"

¿QUÉ COSA ES UNA MUESTRA?

Población à conjunto de elementos definidos por ciertas especificaciones: por ejemplo, las personas que votaron en las últimas elecciones, los habitantes de CABA de 14 años y más años, etc.

Al interior de una población, pueden distinguirse subpoblaciones o estratos que nos interese considerar en forma separada para el análisis: por ejemplo, dentro de las personas que votaron en la última elección pueden separarse a las mujeres de los varones.

En muchas ocasiones, las poblaciones son excesivamente grandes para ser indagadas en su totalidad o por ahí no se justifica hacerlo así. En estos casos se recurre a una muestra àsubconjunto de los elementos que componen la población obtenidos bajo ciertos recaudos de manera que satisfagan nuestras necesidades.

Muestras probabilísticas o aleatorias. Muestras no probabilísticas

¿POR QUÉ USAR MUESTRAS? Apelamos a ellas toda vez que los universos que queremos indagar son demasiado vastos, dispersos o numerosos.

MUESTRAS PROBABILÍSTICAS O ALEATORIAS à los elementos de la población que integrarán la muestra son seleccionadas por procedimientos de azar. En el momento inicial, todos tienen alguna probabilidad de ser seleccionados, que no siempre ni necesariamente ha de ser igual para todos. Para que esto sea posible, en el momento de seleccionar la muestra debieran estar presentes todos los elementos que componen la población.

Para plantearlo de modo simple, debiéramos tener, por ejemplo, un listado que contuviera todos los elementos que componen el universo, para poder elegir por sorteo cierta cantidad de ellos. Este listado, que se denomina marco muestral, no siempre existe ni es fácilmente accesible. Aún cuando el listado exista, suele suceder que no incluya la totalidad de los elementos.

Nunca podemos estar seguros de que lo que averiguamos en una muestra será exactamente así en la población.

El cociente entre la cantidad de elementos incluidos en una muestra y el total de la población o universo, se denomina fracción de muestreo: número muy pequeño.

¿UNA MUESTRA MÁS GRANDE ES MEJOR? Tiende a ser mejor, pero el tamaño muestral es independiente de la magnitud del universo.

En las situaciones usuales del muestreo estamos tratando de estimar algo que desconocemos: un parámetro del universo, a partir de los resultados de una muestra de casos. A medida que agregamos casos a la muestra, el resultado tiende a aproximarse al parámetro, independientemente de cuál sea el tamaño del universo, que bien podría ser infinito sin que esto dejara de ser cierto.

Cuanto más grande sea la muestra, podremos confiar más en que se parece a la población.

ERROR MUESTRAL Y PROBABILIDAD (PRECISIÓN Y CONFIANZA)

La precisión o margen de error con que podemos hacer una estimación y la confianza o probabilidad con que podemos afirmar que esa estimación es correcta, pues nunca estaremos seguros del todo.

La primera de estas dos ideas remite al tamaño del error de muestreo. Con una muestra más grande se consigue aumentar la precisión o, en otras palabras, achicar el error de estimación.

Afirmamos que por grande que fuera la muestra, nunca podríamos garantizar una estimación exacta. Siempre hay un error de estimación, pero disminuye a medida que crece el tamaño de las muestras.

TAMAÑO DE LA MUESTRA.

Método de “ensayo y error” resultaría exasperante y antieconómico. Más prudente sería tratar de determinar cuál es el tamaño requerido. Así se procede en realidad y el tamaño muestral puede ser determinado con fundamento estadístico. Ello exige la aplicación de una serie de fórmulas y cálculos:

Uno de ellos es la precisión con que queremos estimar ¿aceptaremos equivocarnos?, el error que estamos dispuestos a aceptar

Otro es la confianza que pretendemos asignar a nuestras estimaciones, la seguridad que pretendemos otorgar a nuestras estimaciones

Otra es la que estriba en una característica de la población: su heterogeneidad: los universos más heterogéneos requieres muestras más grandes.

Estos tres elementos se combinan en una fórmula matemática que permite determinar el tamaño de la muestra

• Muy poco tienen que ver el tamaño de la población.

TIPOS DE MUESTRAS PROBABILÍSTICAS.

Existen varias maneras de obtener muestras probabilísticas. La opción por unas u otras depende tanto de los propósitos de la investigación que se desea llevar a cabo, como de las características de la población a indagar y de los recursos y posibilidades con que cuenta el investigador.

Tipos:

• Muestras al azar simple: hemos de contar con un listado completo de los N elementos que componen la población. Elementos deben ser numerados y se eligen mediante una tabla de números al azar, un bolillero o cualquier otro medio aleatorio, n elementos que integrarán la muestra. Constituyen una suerte de ideal que muchas veces no puede alcanzarse. En primer lugar, porque frecuentemente no tenemos un listado lo suficientemente completo de los elementos componentes de la población, que nos permita numerarlos y seleccionarlos con tanta sencillez. A veces resultarías costosas y poco prácticas.

• Muestras al azar sistemática: requiere también de un listado o marco muestral. El paso inicial consiste en obtener un cociente entre N (cantidad de elementos que componen la población) y n (cantidad de ellos que hemos de incluir en la muestra).

El muestreo al azar sistemático asegura dispersión a lo largo de toda la población, pero podría acarrear algún inconveniente en caso de que el listado guardara un orden predeterminado y no azaroso.

• Muestras estratificadas: antes de seleccionar la muestra, se separa el universo en estratos o subuniversos. Para ello debemos disponer un marco muestral, vale decir, un listado de los elementos que componen la población, que contenga la información suficiente como para hacer tal división. Uno no elige arbitrariamente la variable estratificadora. Ejemplo: se debe seleccionar una muestra de escuelas de la CABA para evaluar el rendimiento de los alumnos, antes de obtenerla podríamos estratificar la ciudad con criterios geográficos: zona sur, zona norte, barrios centrales à porque sabemos que estas zonas difieres en su conformación socioeconómica y es probable que influya en los rendimientos escolares de los alumnos.

¿Por qué estratificamos? Asegurarnos de que en nuestra muestra habrá suficientes elementos de cada uno de estos estratos; o se le debe otorgar a los estratos un peso diferente en la muestra del que tienen en la población: muestreo estratificado no proporcional.

¿Cómo distribuimos los casos entre los estratos? à obtener una muestra estratificada proporcional, manteniendo fracciones de muestreo.

• Muestreo por conglomerados: cuando hay de etapa única, se seleccionan al azar sólo una vez. La eficacia de este tipo de muestras depende de dos factores: 1. Cuanto mayor es la relación entre q de conglomerados seleccionados y cantidad existente en el universo. 2. La muestra será tanto mejor cuanto más se parezcan los conglomerados entre sí.

Conglomerados polietápicos o de fases múltiples: tipo de muestreo del que sueles valerse las encuenstas de hogares, así como las de opinión y los sondeos electorales.

MUESTREO NO PROBABILÍSTICO: los propósitos del muestreo son diferentes. O bien no contamos con los recursos necesarios como para aspirar a una muestra de azar: ya vimos que para que sean eficaces tienen que ser grandes. Pero una muestra grande existe un amplio operativo que demanda considerable logística. Y podría ocurrir que el presupuesto no alcanzara sino para un centenar de casos. Es aquí donde entran las muestras que no se obtienen mediante procedimientos de azar, sino seleccionando cierto tipo de casos elegidos voluntariamente.

• Muestreo coincidental: también accidental. Es el más objetable desde el punto de vista de las ciencias sociales, aunque muchas veces no queda otro remedio que emplearlo. Se trata de seleccionar a las personas que pasan casualmente por el sitio donde se ha ubicado el encuestador: generalmente un punto por donde pasa mucha gente, tal como una estación ferroviaria o una esquina céntrica.

Podría ser que el encuestador se autoimponga una pauta. Aunque lo más usual es que aborde a los que parece menos apurados o le inspiran más confianza. Quienes tienen alguna oportunidad de ser seleccionados son aquellos que pasan cerca. Son seleccionados de manera fortuita y casual: pero casualidad no es equivalente a azar. Por lo tanto, no cabe hablar de errores de muestreo no de probabilidades de acertar o de equivocarse. No forma parte de procederes científicos.

• Muestreo por cuotas: es tenido por la mejor alternativa para sustituir al muestreo probabilístico en procura de obtener una razonable réplica “en pequeño” de la población, cuando no se cuenta con la posibilidad de llevar a cabo un muestreo al azar. Guarda semejanza con el muestreo estratificado pero no debe ser confundido con él.

Necesario conocer la distribución en el universo de ciertas variables importantes que nos permitan construir las cuotas.

Una vez deretminada esta composición de la muestra, repartiríamos los casos definidos en función de sexo y edad entre los encuestadores: ellos debieran buscar libremente a los entrevistados, con la sola condición de que respondieran a estas especificaciones.

Por este procedimiento, no estaríamos eligiendo al azar ni otorgando a todos los habitantes de la ciudad alguna probabilidad de integrar la muestra, porque los encuestadores elegirían a su entero arbitro, probablemente entre sus conocidos.

• Muestreo intencional: se aparta bastante de la lógica tenida en cuenta hasta aquí. En este tipo de muestreo no buscado en modo alguno que la muestra se parezca a la población.

PLAN DE MUESTREO: Conviene formularse las siguientes preguntas:

• ¿queremos que la muestra se parezca a la población?.

• ¿tenemos tiempo y recursos para una muestra de azar?.

• ¿tenemos un listado razonablemente actualizado y completo?.

• ¿están los elementos del universo agrupados en unas unidades mayores, que faciliten su captura?.

• ¿se trata de una población concentrada o dispersa?