FACULTAD DE INGENIERIA DE MINAS

GEOLOGIA Y CIVIL
ESCUELA DE FORMACION PROFESIONAL DE
INGENIERIA DE SISTEMAS

MUESTRAS ESTADISTICAS
CURSO

ESTADISTICA II (ES-244)

PROFESORA

Prof. LIZBETH REZZA VEGA

INTEGRANTES

:
AUPA QUISPE, Jhonatan Julio
MENDOZA MORALES, Juan Carlos
ZAPATA BAUTISTA, Efran
Ayacucho Per
2015

INTRODUCCIN
Se har referencia sobre el muestreo estadstico, tcnicas, niveles y tipos
fundamentales de un muestreo; se describen conceptos bsicos que explican
lo que esto se refiere al igual se aprecia cmo y que tipo de tcnicas se pueden
utilizar para poner en practica la realizacin de una auditoria con la finalidad de
obtener una informacin determinada para lograr un objetivo especifico.
El muestreo estadstico es un procedimiento por el que se ingresan los
valores verdaderos de una poblacin a travs de la experiencia obtenida con
una muestra
El muestreo como herramienta de la investigacin cientfica arroja resultados
que se pueden utilizar para concluir un determinado estudio X de poblacin, al
igual las tcnicas selectivas que se requieren para dicho estudio de acuerdo a
lo que se va a evaluar.
El muestreo permite una reduccin considerable de los costos materiales del
estudio, una mayor rapidez en la obtencin de la informacin y el logro de
resultados con mxima calidad.

INDICE
POBLACION Y MUESTRA
1. Poblacin y Universo..........................................................................4
2. Muestreo...............................................................................................5
2.1 Muestra.........................................................................................6
2.2 Etapas del proceso de muestra....................................................8
2.3 Condiciones que ha de cumplir la muestra..................................8
3. Tipos o tcnicas de muestreo............................................................9
3.1 Probabilstico................................................................................9
A) Aleatorio simple......................................................................9
B) Aleatorio sistemtico.............................................................10
C) Muestreo estratificado..........................................................11
D) Muestreo por conglomerados o grupos................................11
E) Muestreo por etapas o polietpicos.....................................12
3.2 Muestro no probabilstico...........................................................12
A) Accidental o casual...............................................................12
B) Intencional u opinativo..........................................................13
C) Muestreo por cuotas.............................................................13
3.3 Otros tipos de muestreo.............................................................14
A) Muestras superpuestas........................................................14
B) Muestras sucesivas..............................................................14
C) Muestras compuestas..........................................................14
D) Muestras compensadas.......................................................15
E) Muestras de voluntarios.......................................................15
4. Representatividad de la Muestra.....................................................15
5. Tamao de la muestra.......................................................................16
5.1 Determinacin estadstica del tamao de la muestra..................18
5.2 Afijacin de la muestra..................................................................19
6. Error muestral....................................................................................20
6.1 Fundamento estadstico del error muestral.................................20
6.2 Estimacin del error m. en las m. estratificadas y de clusters....22
6.3 Factores que intervienen en el error muestral.............................22
6.4 Erro sistemtico...........................................................................24
7. Bibliografa.........................................................................................26

POBLACIN Y MUESTRA.
Una vez definido el problema a investigar, formulados los objetivos y
delimitadas las variables se hace necesario determinar los elementos o
individuos con quienes se va a llevar a cabo el estudio o investigacin. Esta
consideracin nos conduce a delimitar el mbito de la investigacin definiendo
una poblacin y seleccionando la muestra. Cualquier caracterstica medible de
la poblacin se denomina parmetro, los valores de los parmetros calculados
sobre muestras se conocen como estadsticos o estadgrafos, utilizan letras
latinas (s2, r..., media, varianza, coeficiente de correlacin) y describen a las
citadas muestras.
Se define tradicionalmente la poblacin como el conjunto de todos los
individuos (objetos, personas, eventos, etc.) en los que se desea estudiar el
fenmeno. stos deben reunir las caractersticas de lo que es objeto de
estudio (Latorre, Rincn y Arnal, 2003). El individuo, en esta acepcin, hace
referencia a cada uno de los elementos de los que se obtiene la informacin.
Los individuos pueden ser personas, objetos o acontecimientos.
Hoy se prefiere hablar de unidad de observacin o elemento para
referirse al objeto sobre el cual se realiza una medicin. En los estudios con
poblaciones humanas, con frecuencia ocurre que la unidad de observacin son
los individuos.
1.

POBLACIN Y UNIVERSO:
El diccionario de la RAE (2001) define la poblacin, en su acepcin
sociolgica, como Conjunto de los individuos o cosas sometido a una
evaluacin estadstica mediante muestreo. En cualquier investigacin,
el primer problema que aparece, relacionado con este punto, es la
frecuente imposibilidad de recoger datos de todos los sujetos o
elementos que interesen a la misma.
Los manuales clsicos de epistemologa suelen definir la poblacin
como el conjunto de todas las medidas o personas de un cierto tipo, y la
hacen sinnima del concepto ms antiguo de universo (Jimnez
Fernndez, 1983; Sierra Bravo, 1988; Gil Pascual, 2004). Otros autores
distinguen entre universo y poblacin (Fox, 1981; Marn Ibez, 1985;
Buenda, Cols y Hernndez, 1998; Latorre, Rincn y Arnal, 2003). Estos
autores consideran que el investigador casi nunca, o nunca, tiene
acceso a todas las posibles medidas, elementos o personas y, por tanto,
utilizan el trmino universo para designar esa entidad que lo incluye
todo, reservando el concepto de poblacin a la parte del universo de la
que se selecciona la muestra y sobre la que deseamos hacer inferencia
o aplicacin de las generalizaciones que obtengamos de la
investigacin.

El trmino universo designa a todos los posibles sujetos o medidas de

un cierto tipo... La parte del universo a la que el investigador tiene
acceso se denomina poblacin. (Fox, 1981: 368)
Poblacin es un conjunto definido, limitado y accesible del universo que
forma el referente para la eleccin de la muestra. Es el grupo al que se
intenta generalizar los resultados. (Buenda, Cols y Hernndez, 1998:
28)
Marn Ibez (1985: 167) seala las diferencias entre poblacin o
universo general y universo de trabajo. El primero hace referencia a
toda la poblacin a la que queremos extender las conclusiones de la
muestra, mientras que el universo de trabajo son los casos que de
alguna manera tenemos consignados y de los que podemos extraer la
muestra. Sierra Bravo (1988) se refiere al universo de trabajo como
base de la muestra. Latorre, Rincn y Arnal (2003) tambin distinguen
entre poblacin y universo, haciendo sinnimo a este ultimo de
colectivo o colectivo hipottico. Paralelamente, Lohr (1999) habla de
poblacin muestreada para referirse a la poblacin de la que se extrae
la muestra y de poblacin objetivo, entendida como la coleccin
completa de observaciones que deseamos estudiar.
La definicin de la poblacin es una parte importante, y con frecuencia
difcil, del estudio. Lohr, (1999: 3) advierte: Por ejemplo, en una
encuesta poltica, la poblacin objetivo deberan ser todos los adultos
que pueden votar? Todos los votantes registrados? Todas las
personas que votaron en la ltima eleccin?. En cualquier caso, la
eleccin de esta poblacin objetivo afectar profundamente al resultado
de la investigacin
2.

MUESTREO.
Habitualmente, el investigador no trabaja con todos los elementos de la
poblacin que estudia sino slo con una parte o fraccin de ella; a veces,
por que es muy grande y no es fcil abarcarla en su totalidad.. Por ello,
se elige una muestra representativa y los datos obtenidos en ella se
utilizan para realizar pronsticos en poblaciones futuras de las mismas
caractersticas.
Salvo en el caso de poblaciones pequeas, pocas veces en una
investigacin se cuenta con el tiempo, los recursos y los medios para
estudiar una poblacin completa. A veces ni siquiera podemos delimitar
exactamente una poblacin, otras veces la poblacin total an no
existe como sucede en los estudios sobre prediccin Estos motivos de
tiempo, coste, accesibilidad a los individuos y complejidad de las
operaciones de recogida, clasificacin y anlisis de los datos hacen que
la gran mayora de los proyectos de investigacin no estudien ms que
una parte representativa de la poblacin, denominada muestra. Esto se
puede hacer as porque, si se selecciona correctamente la muestra, sta

puede aportarnos informacin representativa y exacta de toda la

poblacin.
Se conoce con el nombre de muestreo al proceso de extraccin de una
muestra a partir de la poblacin. El proceso esencial del muestreo
consiste en identificar la poblacin que estar representada en el
estudio.
Entre las ventajas que proporciona el muestreo (Latorre, Rincn y Arnal,
2003) suele sealarse: el ahorro de tiempo en la realizacin de la
investigacin, la reduccin de costos y la posibilidad de mayor
profundidad y exactitud en los resultados. Los inconvenientes ms
comunes suelen ser: dificultad de utilizacin de la tcnica de muestreo,
una muestra mal seleccionada o sesgada distorsiona los resultados, las
limitaciones propias del tipo de muestreo y tener que extraer una
muestra de poblaciones que poseen pocos individuos con la
caracterstica que hay que estudiar.
La importancia del muestreo radica en que no es necesario trabajar con
los N elementos de una poblacin para comprender con un nivel
razonable de exactitud la naturaleza del fenmeno estudiado. Este
conocimiento se puede obtener a partir de una muestra que se considere
representativa de aquella poblacin.
Aunque la razn esencial por la que se muestrea es la imposibilidad de
estudiar todos los sujetos, es un proceso lgico, porque en la prctica no
es necesario obtener datos de todos los posibles sujetos para
comprender con exactitud la naturaleza del fenmeno que se estudia,
sino que, en general, se puede alcanzar esa comprensin con una parte
de los sujetos. Debido a esto, se pueden aprovechar las ventajas del
muestreo, que son la reduccin del coste de la investigacin en tiempo y
en dinero... El ahorro de tiempo o dinero mediante el muestreo slo es
lgico cuando se puede justificar el hecho de que los datos obtenidos a
partir de la muestra proporcionarn una base firme para determinar con
exactitud las caractersticas del fenmeno que se estudia. (Fox, 1981:
367)
2.1. Muestra.
El Diccionario de la Lengua Espaola (RAE, 2001) define la muestra, en su
segunda acepcin, como parte o porcin extrada de un conjunto por
mtodos que permiten considerarla como representativa de l.
En el terreno epistemolgico, Jimnez Fernndez (1983) destaca la
condicin de representatividad que ha de tener la muestra:
... es una parte o subconjunto de una poblacin normalmente seleccionada
de tal modo que ponga de manifiesto las propiedades de la poblacin. Su
caracterstica ms importante es la representatividad, es decir, que sea una

parte tpica de la poblacin en la o las caractersticas que son relevantes

para la investigacin. (Jimnez Fernndez, 1983: 237)
Sierra Bravo hace hincapi en la generalizacin de resultados:
... una parte representativa de un conjunto o poblacin debidamente elegida,
que se somete a observacin cientfica en representacin del conjunto, con el
propsito de obtener resultados vlidos, tambin para el universo total
investigado. (Sierra Bravo, 1988: 174)
Latorre, Rincn y Arnal ponen especial nfasis en la metodologa del
muestreo:
Conjunto de casos extrados de una poblacin, seleccionados por algn
mtodo de muestreo. (Latorre, Rincn y Arnal, 2003: 78)
Las muestras tienen un fundamento matemtico estadstico. ste consiste en
que obtenidos unos determinados resultados, de una muestra elegida
correctamente y en proporcin adecuada, se puede hacer la inferencia o
generalizacin fundada matemticamente de que dichos resultados son
vlidos para la poblacin de la que se ha extrado la muestra, dentro de unos
lmites de error y probabilidad, que se pueden determinar estadsticamente en
cada caso.
Las muestras presentan evidentes ventajas, respecto del estudio de
poblaciones. Con una muestra relativamente reducida en relacin a la
poblacin, se pueden encuestar grandes poblaciones y ncleos humanos,
que de otra manera sera muy difcil o prcticamente imposible investigar.
Suponen una gran economa en las encuestas y la posibilidad de mayor
rapidez en su ejecucin. A veces, ... una muestra puede ofrecer resultados
ms precisos que una encuesta total, aunque est afectada del error que
resulta de limitar el todo a una parte. (Sierra Bravo, 1988: 175)
La seleccin correcta de la muestra implica crear una que represente a la
poblacin con la mayor fidelidad posible. Esto conlleva utilizar unas tcnicas
especficas de seleccin de la muestra, as como la necesidad de determinar
su tamao ptimo.
En este proceso de seleccin hemos de distinguir entre elemento muestral,
unidad de muestreo1 y marco de muestreo. El elemento o individuo
(muestral) es un objeto en el cual se toman las mediciones, la unidad ms
pequea en que podemos descomponer la muestra. La unidad de muestreo
hace referencia a la unidad donde realizamos la muestra, est constituida por
grupos excluyentes de elementos de la poblacin que completan la misma.
Por ejemplo, podramos desear estudiar a un grupo de personas (una ciudad,
una barriada, un grupo de estudiantes de un determinado nivel educativo, los
trabajadores de un sector de produccin, etc.), pero no tenemos una lista de
todos los individuos que pertenecen a la poblacin. En su lugar las familias,
1

Se considera unidad de muestreo a la unidad, o elementos, con los que confeccionamos la muestra: personas,
familias, centros, empresas...

los centros educativos, las empresas... podran servir como unidades de

muestreo. Las unidades de observacin o elementos muestrales seran los
individuos que viven en una familia o que trabajan en una determinada
empresa... La lista de las unidades de muestreo (familias, centros
educativos, empresas...) constituyen el marco de muestreo.
2.2

Etapas del proceso de muestreo.

Fox (1981: 367-369) seala cinco etapas en el proceso de muestreo:
1)
2)
3)
4)
5)

Definicin o seleccin del universo o especificacin de los posibles

sujetos o elementos de un determinado tipo;
Determinacin de la poblacin o parte de ella a la que el investigador
tiene acceso;
Seleccin de la muestra invitada o conjunto de elementos de la
poblacin a los que se pide que participen en la investigacin;
Muestra aceptante o parte de la muestra invitada que acepta participar;
Muestra productora de datos; la parte que acept y que realmente
produce datos.

2.3. Condiciones que ha de cumplir la muestra. Las condiciones

fundamentales que ha de cumplir una muestra son, para Sierra
Bravo,
cuatro:
1.
2.

3.
4.

Que comprendan parte del universo 2 y no la totalidad de ste.

Que su amplitud sea estadsticamente proporcionada a la magnitud del
universo. Esta condicin se halla en relacin con el punto prctico de
determinacin del tamao de la muestra y sirve para decidir si, segn
las unidades que comprende respecto al universo, una muestra es o
no admisible.
La ausencia de distorsin en la eleccin de los elementos de la
muestra. Si esta eleccin presenta alguna anomala, la muestra
resultar por este mismo hecho viciada.
Que sea representativa o reflejo fiel del universo, de tal modo que
reproduzca sus caractersticas bsicas en orden a la investigacin.
Esto quiere decir que si hay sectores diferenciados en la poblacin que
se supone ofrecen caractersticas especiales, a efectos de los
objetivos de la investigacin, la muestra tambin deber
comprenderlos y precisamente en la misma proporcin, es decir,
deber estar estratificada como el universo. (Sierra Bravo, 1988: 175)

Para cumplir estas condiciones es necesario aplicar unas determinadas

tcnicas de seleccin de la muestra que garanticen su representatividad,
determinar el tamao ptimo de la muestra y tener en cuenta el error
muestral. En los apartados siguientes desarrollaremos estos aspectos.
3

TIPOS O TCNICAS DE MUESTREO.

Aunque no existe una nica forma de clasificar las tcnicas de muestreo, es
frecuente clasificarlas en probabilsticas y no probabilsticas.
2

Para Sierra Bravo poblacin y universo son sinnimos.

3.1

Muestreo probabilstico.
Conocido tambin como muestreo de seleccin aleatoria, utiliza el azar
como instrumento de seleccin, pudindose calcular de antemano la
probabilidad de que cada elemento sea incluido en la muestra. Para
Marn Ibaez (1985) este tipo de muestreo es el que alcanza mayor
rigor cientfico, y se caracteriza porque se cumple el principio de la
equiprobabilidad, segn el cual todos los elementos de la poblacin
tienen la misma probabilidad de salir elegidos en una muestra.
El muestreo por azar o probabilstico presenta varias modalidades:
A) MUESTREO ALEATORIO SIMPLE.
Es la modalidad de muestreo ms conocida y que alcanza mayor
rigor cientfico. Garantiza la equiprobabilidad de eleccin de
cualquier elemento y la independencia de seleccin de cualquier
otro. En este procedimiento se extraen al azar un nmero
determinado de elementos, n, del conjunto mayor N o poblacin,
procediendo segn la siguiente secuencia: a) definir la poblacin,
confeccionar una lista de todos los elementos, asignndoles
nmeros consecutivos desde 1 hasta n; b) la unidad de base de la
muestra debe ser la misma; c) definir el tamao de la muestra, y d)
extraer al azar los elementos.
La muestra quedar formada por los n elementos obtenidos
mediante sorteo de la poblacin. Los procedimientos ms comunes
de extraccin de los elementos en este tipo de muestreo son: las
tablas de nmeros aleatorios, incluidas en los manuales de
estadstica; los clsicos sistemas de lotera y otros procedimientos
de extraccin al azar, incluidos las aplicaciones informticas.
Algunos autores exigen que todos los elementos tengan la misma
probabilidad de ser seleccionados. En la prctica real puede haber
diversos grados de probabilidad, lo importante es que la
conozcamos. De hecho si de un listado de papeletas con cien
personas seleccionamos uno, ste tiene 1/100 de posibilidad de
ser elegido, el segundo 1/99, y as sucesivamente... Para que esto
no hubiera ocurrido tendramos que haber empleado el
procedimiento que se conoce de obtencin de la muestra con
reemplazo, es decir volviendo a colocar los que salen, para que se
mantuviera la proporcin del 1/100. Este ltimo caso puede tener
inters en determinadas circunstancias, pero no en el caso de
consultar, por ejemplo, varias veces a un mismo alumno. Lo
importante, para Marn Ibez (1985) es que conozcamos el grado
de probabilidad y, en lo posible, procurar que sea la misma.
La sencillez del procedimiento se complica cuando la poblacin es
muy grande y las ayudas mecanizadas no siempre se pueden o se
deben utilizar. Pensemos la dificultad que tendra, por este
procedimiento, obtener una muestra de la poblacin de Madrid.

B)

MUESTREO ALEATORIO SISTEMTICO.

El empleo de muestras sistemticas consiste en una variante del
anterior tipo de muestreo. Primero se calcula I (frecuencia de los
casos) mediante la frmula I= N/n. Despus se elige un nmero
menor o igual que I, es decir, que cumpla la condicin: 1aI. Por
ltimo se seleccionan los nmeros en la tabla de nmero
aleatorios, que sern: a, a+I, a+2I, a +3I, etc.
Si tenemos la poblacin a estudiar, previamente inscrita en unas
listas numeradas, obtenida la frecuencia de los casos iremos
eligiendo saltando los nmeros que indique la frecuencia. Si
queremos obtener una muestra de 20 sobre una poblacin de
100 (I = 100/20 = 5), podramos partir el muestreo del n 5, el 10,
el 15; o el 3, 8, 13... El primer elemento (a) suele elegirse al azar
usando las tablas de probabilidad y, a continuacin, se le suma la
frecuencia. Si el azar hizo que se partiera de un elemento de la
lista mayor que I, al llegar a N, se vuelve al principio de la lista
hasta completar n casos.
Cuando se trata de poblaciones numerosas, por ejemplo la gua
telefnica o los censos electorales, se seleccionan el primer y/o el
ltimo nombre de cada pgina o columna. Aunque es un
procedimiento ms rudimentario, por razn de economa y tiempo
suele utilizarse.
La eleccin sistemtica partiendo de listas es vlida si el orden no
ha sido establecido teniendo en cuenta la caracterstica que
estudiamos. No pueden servir, por ejemplo, listas en orden de
calificaciones acadmicas si sta es una de las variables de
investigacin.
Un peligro de este mtodo es el que se den periodicidades en la
poblacin que anulen la representatividad de la muestra.
Supongamos que I = 10 y trabajamos con empleados de una
empresa agrupados en Departamentos en los que el personal
est listado segn categoras profesionales, por este orden: 1
directivo, 14 profesionales especializados, 5 administrativos. Al
elegir la muestra por este mtodo, sta quedar sesgada porque
elegir siempre, por ejemplo, un directivo por cada departamento
o bien porque no lo elegir nunca.
Este procedimiento es ms rpido que el anterior, sobre todo si la
poblacin es numerosa y est previamente ordenada. Es muy
utilizado en los sondeos de opinin y de puerta a puerta. A los
entrevistadores se les indica que paren a cada I personas o
llamen a cada I puertas.

C)

MUESTREO ESTRATIFICADO.

Este muestreo se utiliza cuando la poblacin esta constituida en

estratos o conjuntos de la poblacin homogneos con respecto a la
caracterstica que se estudia. Dentro de cada estrato se puede
aplicar el muestreo aleatorio o sistemtico. Consiste en subdividir
la poblacin en subgrupos o estratos con arreglo a la/s
caracterstica/s que se consideren y en elegir la muestra de modo
que estn representados los diferentes estratos.
Para la obtencin de la muestra estratificada se siguen los
siguientes pasos:
a) se divide la poblacin en estratos; b) de
cada estrato se extrae una muestra por algn procedimiento de
muestreo; c) el nmero de individuos de cada estrato se puede
decidir por paridad o proporcionalidad; y d) la suma de las
muestras de cada estrato forman la muestra total n. (Latorre,
Rincn y Arnal, 2003)
Dentro del muestreo estratificado suele distinguirse:

Muestreo estratificado constante. En este caso, tambin conocido

como afijacin simple, la muestra se obtiene seleccionando un nmero
igual de individuos de cada estrato en que se ha dividido la poblacin,
con independencia del tamao y variabilidad de los mismos dentro de
la poblacin.
M. Estratificado proporcional. En este caso se selecciona de cada
estrato un nmero de elementos proporcional a su tamao en el
conjunto de la poblacin (afijacin proporcional). Jimnez Fernndez
(1983) considera que un criterio ms til para fijar la proporcin de la
muestra es atender a la variabilidad de los estratos en la caracterstica
que interesa (afijacin ptima). Si sus varianzas son aproximadamente
homogneas, el muestreo estratificado proporcional es el aconsejado;
si por el contrario difieren mucho entre s, debe tomarse un porcentaje
mayor de elementos de los estratos que mayor varianza experimentan.
D)

E)

MUESTREO POR CONGLOMERADOS (CLUSTERS) O GRUPOS.

El muestreo individual resulta muchas veces inaplicable y hay que
recurrir no a los elementos, sino a seleccionar por el sistema del azar
determinados colectivos. Podramos hacer una encuesta, por ejemplo,
mediante el sistema de muestreo aleatorio simple, a todos los alumnos
de Bachillerato de una determinada ciudad. Las complicaciones y
dificultades seran mucho menores estableciendo una muestra al azar
que tomara como unidades base del muestreo las aulas. La muestra
de grupos o racimos tambin se denomina conglomerados o clusters,
en terminologa sajona. Este tipo de muestreo se utiliza cuando los
individuos de la poblacin constituyen grupos naturales o
conglomerados (distrito, centros escolares, aulas, empresas, etc.)
MUESTREO POR ETAPAS O POLIETPICO.

Relacionado con el tipo anterior. Se procede dividiendo la poblacin en

varios conglomerados y se selecciona un nmero de ellos, que
constituyen las unidades muestrales primarias. En una segunda etapa
se obtiene una submuestra a partir de las anteriores, que constituyen
las unidades muestrales secundarias, y as sucesivamente. Se
submuestrean las unidades anteriores hasta llegar a la muestra final.
El proceso sigue una secuencia de etapas de seleccin de unidades
muestrales de mayor rango a otras de menor, hasta llegar a los
individuos o elementos que constituyen la muestra: Comunidad
Autnoma, distrito escolar, centros, aulas, alumnos. Este tipo de
muestreo slo necesita conocer los individuos que integran los
conglomerados de la ltima etapa. En cada etapa puede aplicarse un
muestreo aleatorio.
3.2

Muestreo no probabilstico.
En estas tcnicas no se utiliza el muestreo al azar sino que la muestra
se obtiene atendiendo al criterio o criterios del investigador o bien por
razones de economa, comodidad, etc. Consecuentemente, estas
tcnicas no utilizan el criterio de equiprobabilidad, sino que siguen
otros criterios, procurando que la muestra obtenida sea lo ms
representativa posible. Estas muestras, al no utilizar el muestreo al
azar, no tienen la garanta de las muestras probabilsticas, pero en la
prctica son a menudo necesarias e inevitables, en opinin de
Kerlinger (1975). Dentro de este tipo de muestreo se suele distinguir
entre muestreo accidental, intencional o deliberado y por cuotas.
A)

MUESTREO ACCIDENTAL O CASUAL.

Este tipo de muestreo se caracteriza por utilizar las muestras
que tiene a su alcance. Se denominan accidentales porque no
responden a una planificacin previa en cuanto a los sujetos a
elegir. De hecho, toma las muestras disponibles sin introducir
seleccin o modificacin alguna. Por ejemplo, empresas,
centros completos, cursos o grupos dentro de un nivel, etc.
El criterio de seleccin de los individuos depende de la
posibilidad de acceder a ellos. Es frecuente utilizar sujetos que
las condiciones nos permiten (muestras que proporcionan los
amigos). Por ejemplo, entrevistar a la salida del metro, o a las
personas que pasan por una calle.
Desde el punto de vista de la investigacin este tipo de
muestreo es ms dbil. No obstante, puede usarse en estudios
exploratorios cuando no se disponen de otras, cuidando mucho
el anlisis y la interpretacin de resultados.

B)

MUESTREO INTENCIONAL U OPINATIVO.

En esta tcnica, el investigador selecciona de modo directo los
elementos de la muestra que desea participen en su estudio. Se
eligen los individuos o elementos que se estima que son

representativos o tpicos de la poblacin. Se sigue un criterio

establecido por el experto o investigador. Se suelen seleccionar
los sujetos que se estima que pueden facilitar la informacin
necesaria.
Este mtodo, que Jimnez Fernndez (1983) califica de
deliberado, se justifica cuando se quieren estudiar elementos
excepcionales de cierta poblacin, ya que la forma de
asegurarse de que se incluirn en dicho estudio, es elegirlos
intencionalmente. No dudando de su utilidad, se presta a crticas
porque las muestras obtenidas resultan inevitablemente
sesgadas en el sentido del criterio que se ha usado para
seleccionarla.
En estas muestras opinticas (Latorre, Rincn y Arnal;
2003), buscamos deliberadamente los elementos de la muestra
porque nos parece que pueden facilitarnos una informacin ms
vlida. Si queremos datos sobre la poblacin delincuente ser
interesante recurrir a los servicios policiales, a los centros
penitenciarios o de rehabilitacin social o a los propios reclusos,
que no son naturalmente toda la poblacin delincuente. Hay que
convenir con Marn (1985) que no todas las opiniones son
igualmente cualificadas, y cuando nos interesa una informacin
ms vlida, la experiencia y la preparacin pueden inducirnos a
seleccionar deliberadamente la muestra de acuerdo con unas
caractersticas no aleatorias.
Hay muestras intencionadas que parten de elementos tpicos o
representativos a los que ya
pblicamente se les ha
reconocido tal rango. En Espaa, en las Elecciones Generales
se sabe que el escrutinio de apenas ocho decenas de mesas
electorales, ya determinadas, tienen un valor extrapolable al
resultado global de las citadas elecciones. Este tipo de muestras
han sido ampliamente divulgado por los medios de
comunicacin:
C)

MUESTREO POR CUOTAS.

El sistema de cuotas consiste en fijar unas cuotas. Cada cuota
consiste en un nmero de elementos que renen unas
determinadas condiciones. La seleccin de las cuotas suele
hacerse mediante rutas o itinerarios.
En este procedimiento se parte de una muestra estratificada
cuyas proporciones debe conservar el investigador, pero cada
uno de los casos queda a su arbitrio elegirlos.
Supongamos que queremos averiguar el nivel cultural de unos
determinados profesionales de un rea geogrfica o de un
sector productivo. Como el sexo, la edad y el lugar de

residencia, parecen factores condicionantes, deberemos

establecer que haya un 50% de varones y de mujeres, un tanto
por ciento aproximado por grupos de edad correspondientes a la
poblacin real y as mismo procuraremos que haya el mismo
tanto por ciento en la muestra que en la realidad de quienes
viven en poblaciones de menos de 2.000 habitantes,de 2.001 a
5.000 habitantes, etc. El investigador ha fijado n para la
muestra y elige libremente los individuos hasta alcanzar esa
cifra.
Por ltimo, Marn (1985) seala un riesgo muy generalizado,
comn al muestreo probabilstico y no probabilstico, y es el del
rechazo a participar en la investigacin. En este caso no hay
ms remedio que sustituir la poblacin que no desea colaborar o
a la que no tenemos acceso por otra de condiciones similares,
pero hay que tener mucho cuidado para evitar el sesgo de la
muestra, porque puede ocurrir que precisamente la poblacin no
participante tenga alguna caracterstica por la que no desee
contestar, con lo cual queda excluida de la muestra y
comprensiblemente mantendr su rechazo en los nuevos casos
que los sustituyan.
3.3

OTROS TIPOS DE MUESTREO.

Sierra Bravo (1988: 197 ss.) presenta otros mtodos menos utilizados.
A)

MUESTRAS SUPERPUESTAS.
Se seleccionan dos muestras distintas obtenidas de la misma
base de la muestra mediante la realizacin de dos sorteos o dos
sistemas de muestreo distintos. Es un procedimiento muy til
cuando se quiere lograr una valiosa corroboracin o verificacin
de los resultados obtenidos en una encuesta.

B)

MUESTRAS SUCESIVAS.
Cuando interesa conocer la evolucin del fenmeno estudiado
con el paso del tiempo (estudios de mercardo, electorales...), la
solucin es repetir la encuesta a nuevas muestras cada cierto
perodo de tiempo.

C)

MUESTRAS COMPUESTAS.
Se conoce con este nombre al sistema de muestreo que
comprenden dos o ms muestras distintas, segn las diferentes
partes del fenmeno estudiado. En un estudio que abarque
poblacin de hbitats urbanos y rurales, se podra aplicar un
muestreo aleatorio simple para el primero y el de clusters para
zonas rurales.

D)

MUESTRAS COMPENSADAS.
Esta tcnica es aplicable cuando se conoce el valor medio que
alcanza una de las caractersticas estudiadas en el universo, por
ejemplo, la talla, el peso, etc. Una vez obtenida la muestra, sera

poco probable que su media coincidiera con la de la poblacin. La

compensacin consiste en sustituir unidades de la muestra por
otras nuevas elegidas tambin al azar, en el caso de que sus
valores acerquen ms la media de la muestra a la del universo.
E)

4.

MUESTRAS DE VOLUNTARIOS.
En algunas investigaciones el autor se ve obligado a pedir
voluntarios que quieran participar en su estudio, dado que por
razones ticas o morales no pueden utilizar ninguno de los
dems procedimientos. Estas muestras presentan ciertos sesgos
y suelen presentar determinadas caractersticas, como por
ejemplo: son sujetos con un mayor nivel cultural, tienen mejor
estatus social, suelen ser ms inteligentes, son ms sociables,
son menos convencionales, son menos conformistas, etc.

REPRESENTATIVIDAD DE LA MUESTRA.
Uno de los problemas fundamentales que se le plantea al investigador en
relacin con el muestreo consiste en saber si el grupo elegido es
verdaderamente representativo del conjunto; para que lo sea, los rasgos de
los elementos o individuos elegidos para la muestra deben ser similares a los
de toda la poblacin (Marn Ibez, 1985).
La representatividad es la caracterstica ms importante de una muestra. El
muestreo adquiere todo su sentido en cuanto que garantiza que las
caractersticas que se quieren observar en la poblacin quedan reflejadas
adecuadamente en la muestra. Generalizar a la poblacin a partir de la
muestra slo est justificado si sta representa realmente a la poblacin.
Preservar la representatividad es el atributo ms importante que debe reunir
el muestreo, lo que nos permitir generalizar a la poblacin los resultados
obtenidos en la muestra. (Latorre, Rincn y Arnal, 2003: 82)
Fox (1981) seala que para lograr la representatividad se requiere: 1.
Conocer qu caractersticas (variables) estn relacionadas con el problema
que se estudia; 2. Capacidad para medir esas variables, y 3. Poseer datos de
la poblacin sobre estas caractersticas o variables para usarlos como
variable de comparacin. El mismo autor seala que si no se cumple alguna
de estas condiciones, para algunas de las caractersticas, se pierde la
capacidad de buscar deliberadamente la representatividad en cuanto a ella.
Por ltimo, es necesario preguntarse qu prdida puede tolerarse desde la
seleccin de la muestra inicial hasta llegar a la que proporciona los datos. Al
mismo tiempo, hay que tener en cuenta que se tiene constancia probada de
que las personas que no responden tienen opiniones o patrones de conducta
distintos de las que responden; y que el porcentaje de la prdida tambin
depende, para su representatividad, de cmo se distribuyan las respuestas
en la diferentes categoras de la variable. No es igual un 48% de s y un
52% de no ante determinada pregunta que un 16% y un 84% (Jimnez
Fernndez, 1983: 249). En cualquier caso, no existe una nica respuesta
cuantitativa. Se suele considerar que una prdida del 25% debe preocupar,
an cuando no existan diferencias estadsticamente significativas; cuando

sea inferior al 50% se debe leer y escribir con cuidado; y cuando la

proporcin es menor del 40% no se deberan dar a conocer los datos, ni
considerarlos como conclusiones vlidas. Son tiles como estudios pilotos,
pero no se pueden aceptar sin hacer un estudio posterior ms exhaustivo
(Latorre, Rincn y Arnal, 2003: 83).
5.

TAMAO DE LA MUESTRA.
El tamao de la muestra, un tema que siempre preocupa, no tiene fcil
solucin y va estrechamente unido a la representatividad. En principio hay
que rechazar la idea, demasiado extendida, de que la muestra debe ser
proporcional a la poblacin. De hecho, a medida que aumenta sta, con una
menor proporcin podemos alcanzar la representatividad. No obstante, en
igualdad de otras condiciones, los estadsticos calculados con muestras
grandes son ms precisos que los calculados con muestras pequeas, pero
una muestra representativa de 50 elementos es preferible a otra no
representativa de 100 (Jimnez Fernndez, 1983).
No existe un tamao ideal de la muestra. A efectos descriptivos, se considera
una muestra grande cuando n > 30. Una muestra debe ser lo suficientemente
grande como para ser representativa, pero el nmero de elementos
necesarios para lograr la representatividad vara de una investigacin a otra.
Cuanto ms homognea es una poblacin en la/s caracterstica/s objeto de
estudio, ms fcil resulta obtener muestras representativas sin necesidad de
que sean grandes. Es decir, el tamao de la muestra est en relacin directa
con la desviacin tpica de las puntuaciones en la/s caractersticas de la
variable a investigar.
El tamao de la muestra viene condicionado por el tanto por ciento de la
caracterstica que estamos estudiando. Cuando no se conoce es conveniente
hacer algn pequeo estudio inicial con una muestra mucho menor para tener
alguna idea de ese porcentaje. Por ejemplo, alumnos que se matriculan en
los programas de formacin y despus no asisten o abandonan. Cuando
tenemos una proporcin de la caracterstica del 50% estamos ante lo que se
designa como el caso ms desfavorable porque exige la muestra mayor. Si
no conocemos la proporcin se asigna el 50% como la opcin ms segura en
los clculos de la muestra.
El tipo de datos que se desea recoger y el medio que para ello se va a
emplear son condicionantes que influyen en la menor o mayor reduccin de la
muestra seleccionada (Jimnez Fernndez, 1983). No es igual seleccionar,
por ejemplo, aulas ya organizadas y recoger la informacin en das y horas
lectivos que hacerlo a travs de un cuestionario enviado por correo.
El tamao de la muestra tambin depende del tipo de muestreo que se ha
llevado a cabo. Por ejemplo, en las muestras estratificadas, el error es menor
que en las no estratificadas, y tambin lo es el tamao de la muestra
necesario. (Sierra Bravo, 1988: 226)
El tamao de la muestra puede dilucidarse en parte preguntndose por la
cuanta del error que es probable cometer al calcular diversos estadsticos

partiendo de muestras de diferente tamao. Se considera clsica la curva de

error de Kerlinger (1975) en la que el error aumenta a medida que disminuye
el tamao de la muestra y a la inversa, entendiendo por error la desviacin
con respecto a los parmetros de la poblacin. Consecuentemente este autor
recomienda usar muestras grandes, no porque sean buenas en s mismas
sino para dar al principio de distribucin al azar una probabilidad de actuar.
As, por ejemplo, seleccionada al azar una muestra de personas es ms fcil,
a medida que aumenta el nmero de personas de la muestra, que el
porcentaje de mujeres y de hombres se equilibre.
El nivel de confianza que queramos que alcancen nuestros resultados
tambin influye en el tamao que debamos dar a la muestra. Entre +2 y -2
sigmas de la curva de distribucin normal de Gauss, a partir de la media, est
incluido el 95.5% de la poblacin. Esto quiere decir que tenemos una
probabilidad de que 955/1000 coincidan con los de la poblacin total. Si
queremos alcanzar una mayor certidumbre hemos de abarcar entre +3 y -3
sigmas, en cuyo caso el riesgo de que exista diferencia entre los estadsticos
de la muestra y los parmetros de la poblacin sean distintos ser de
997/100, pero naturalmente tendremos que elevar el nmero de elementos de
la muestra. Para determinar el volumen de la muestra, de acuerdo con el
nivel de confianza, existen tablas. Bugeda (1974) recoge tablas que permiten
determinar el volumen de la muestra y el nivel de estimacin para los niveles
de confianza del 99.7% y del 95%.
Otro dato determinante del tamao de la muestra es el error de estimacin.
Es lgico pensar que no haya una coincidencia total entre los datos de la
poblacin y los de la muestra. Hemos de indicar el mximo error tolerable,
que suele establecerse en el 5%. Pero si queremos rebajar ese error
tendremos que aumentar el volumen de la muestra.
Concluimos que determinar el tamao de la muestra es un tema complejo.
Por tanto, el investigador habr de tener en cuenta: la amplitud del universo
(infinito o no), representatividad, las variables (tipo de datos, valores de la
misma, homogeneidad/variabilidad de los datos), el tipo de muestreo, el
proceso y medios de recogida de datos, los anlisis estadsticos que se
planifiquen, el error muestral, el error de estimacin y el nivel de confianza
con el que deseemos trabajar entre otras consideraciones. Con esta base se
tendrn los referentes necesarios para determinar el tamao de la muestra.
Para seleccionar el tamao de la muestra se suelen utilizar tcnicas de tres
tipos. Ya hemos hablado del uso de tablas, pero tambin se pueden
determinar mediante otros procedimientos: las curvas de error del tipo de
las definidas por Kerlinger (1975: 132) o mediante clculos estadsticos. A
continuacin desarrollamos este ltimo procedimiento.
5.1.

Determinacin estadstica del tamao de la muestra.

Conociendo el nivel de confianza que queremos que alcancen los
datos se puede aplicar una ecuacin matemtica para estimar el

tamao de la muestra3. Segn se trate de poblaciones infinitas o

finitas, la determinacin variar, segn las siguientes ecuaciones:
A)

Determinacin del tamao de la muestra para poblaciones

infinitas.4 En este caso pueden presentarse dos situaciones:
A.1) Que conozcamos la proporcin de elementos que posee la
caracterstica a travs de estudios previos. En este caso se aplica
la frmula:
A.2 Si desconocemos la proporcin de individuos que poseen la
caracterstica, se toma p = 50% y q = 50%.
De este modo, el nmero de elementos ptimo de una muestra,
estimando qu proporcin de sujetos poseen una caracterstica al
nivel de confianza del 99.7% (3 ) y un error de estimacin
admitido del 2%, ser:
32*50*50
N = ------------------- = 5625 elementos.
22
A.3 En el caso de que la investigacin requiera estimar una media
se utiliza la siguiente frmula:
Z2 * s2
s2 = Varianza.
n = --------------------e2
Determinacin del tamao de la muestra para poblaciones finitas.
En este caso se emplea la siguiente frmula:
Z2 * p * q * N
n = ----------------------------e2 (N-1) + Z2 p * q
De este modo, el nmero ptimo para un estudio de 60.000
personas inscritas en cursos de formacin, estableciendo un nivel
de confianza de 2 (95.5%), y el margen de error en el 3%, sera.
Suponemos que la opcin por inscribirse en cursos de formacin, o
no, es del 50%.
4 * 50 * 50 * 60.000
N = ---------------------------------- = 1091 individuos.
9 (60.000-1) + 4 * 50 * 50
En el caso de que la investigacin requiera estimar una media la
frmula a utilizar quedara as:

Frecuentemente se opta por un nivel de confianza del 95% 99.7%, y un error de estimacin mximo del un 5%

Se consideran muestras infinitas las que superan los 100.000 elementos.

N * Z2 * s2
n = ----------------------------Z2 * s2 + e2 * (N-1)
(Error total)2 = (error por sesgo)2 +
Como conclusin de (error
este apartado
hemos de2 sealar que las frmulas
de muestreo)

anteriores varan con el tipo de muestreo y con el sistema de afijacin

de la muestra (Sierra Bravo, 1988: 226)
5.2

Afijacin de la muestra.
Cuando se trata de muestras estratificadas la determinacin del
tamao de la muestra plantea un problema especial. Adems de la
determinacin del tamao general de la muestra hay que especificar el
volumen de cada estrato de la muestra. Este proceso, denominado
afijacin de la muestra, debe tener en cuenta que para garantizar la
representatividad de la poblacin, en la muestra debern figurar los
estratos segn su proporcin en el universo.
La forma ms utilizada y directa de realizar esta operacin (afijacin
proporcional) consiste en aplicar el porcentaje, que representa cada
estrato dentro del universo, al tamao general de la muestra, con lo
que se obtendr el nmero de elementos de la muestra que se debe
asignar a cada estrato. Para Snchez Crespo (1976) este sistema, que
es el ms utilizado, rene las siguientes ventajas: permite una
moderada ganancia global en precisin y mantiene la igualdad de
probabilidad de eleccin de todas las unidades del universo.
Si se conocieran las desviaciones tpicas o las proporciones de cada
estrato en el universo, o se han calculado ex-profeso , mediante un
sondeo previo con relacin al objeto de estudio de la muestra; se suele
utilizar otro procedimiento de afijar la muestra que consiste en
multiplicar el porcentaje de cada estrato en el universo por su
proporcin o su desviacin tpica y repartir el tamao de la muestra
entre los estratos proporcionalmente a dichos productos. Este
procedimiento se denomina afijacin ptima, y su aplicacin est
justificada por razones econmicas en el caso de que con su empleo
se pueda reducir sensiblemente, por tener una varianza ms reducida,
el tamao de estratos que resulte ms caro investigar. (Sierra Bravo,
1988)

6.

ERROR MUESTRAL

Cuando se extrae una muestra de una poblacin es frecuente que los

resultados obtenidos de la muestra no sean exactamente los valores reales
de la poblacin. El error de muestreo ocurre al estudiar una muestra en lugar

de la poblacin total. La diferencia entre el valor del parmetro de una

poblacin y el estadstico de una muestra recibe el nombre de error muestral.
La nica forma de poder conocer el error muestral real consiste en realizar
paralelamente la investigacin con la muestra y, a la vez, con toda la
poblacin. Esta realidad, a todas luces descartable en la prctica, nos
advierte acerca de la imposibilidad de conocer el error muestral real. En
primer lugar, la muestra perdera su razn de ser. Por tanto, cuando nos
referimos a error muestral no nos referimos al concepto sealado en el
prrafo anterior, no conocido, sino a un error muestral determinado
estadsticamente, de tipo genrico, vlido para todas las muestras posibles,
del mismo tamao. Este error muestral, estadstico, sirve para darnos no un
error especfico y determinado, sino nicamente para establecer el intervalo
de confianza dentro del que nos movemos en la muestra; para sealarnos
los lmites formados por la media de la muestra, mas o menos el error en
cuestin, dentro del que se debe encontrar la media del universo, con el
grado de probabilidad con que se trabaje, dos o tres sigmas. (Sierra Bravo,
1988: 207)
Los errores de muestreo o fluctuaciones de muestra a muestra son
aleatorios y no han de considerarse como equivocaciones, fallos, etc., sino
como variaciones debidas al hecho de que no hay jams dos muestras que
sean exactamente iguales (Garret, 1976: 238). Los estadsticos obtenidos en
estas muestras al azar son estimaciones de los parmetros y sus errores
tpicos miden la bondad de la estimacin.
6.1

Fundamento estadstico del error muestral.

La base estadstica del error muestral es la siguiente. Denominemos a
la media de la muestra y a la media de la poblacin. Supongamos
que se obtuvieran todas las muestras posibles de, n unidades cada
una, de la misma poblacin y se calculasen las para cada una de
ellas. Entonces las estimaciones de variarn en torno a en la forma
de la curva de distribucin normal.
Esa curva de distribucin muestral expresara grfica y
matemticamente la distribucin de todas las medias de las muestras
obtenidas del universo. En ella se pondra de manifiesto que habra
muchas medidas de iguales o muy cercanas a la poblacin y muy
pocas alejadas de , siguiendo una distribucin normal.
Tomando estos referentes, el error muestral o error tpico 5, sera la
desviacin tpica de las distintas medias obtenidas alrededor de la
media de la poblacin, suele designarse por y mide la importancia
de las variaciones de las o medias muestrales en torno a la de la
poblacin. La frmula que expresa esta relacin es:

El error tpico se define en estadstica como la desviacin tpica de la distribucin muestral de un estadstico.
(Jimnez Fernndez, 1983)

Los errores de medicin se refieren a los fallos de los instrumentos de

medida, as como del que los aplica y corrige. Estos errores, que
actan de modo incontrolado, pueden
n p (1 p i )
aumentar considerablemente el error e i i
tpico
n
de un estadstico. Por ello, un error
muestral grande no implica necesariamente falta de representatividad
de la muestra, pues la variacin puede estar causada por los errores
de medicin. Si stos son pequeos, un error tpico grande s indica un
considerable error de muestreo.
Los errores muestrales son debidos a dos causas principales. El
primero, denominado error de sesgo, es debido a que la muestra no
es representativa de la poblacin; el segundo, debido al azar, se
conoce como error aleatorio. Ambos se relacionan matemticamente
mediante la siguiente expresin:
Para estimar el error muestral existen varias tcnicas denominadas de
submuestreo (subsample) o remuestreo (resample) que se basan en
dividir la muestra total en dos o ms submuestras aleatorias y a partir
de ellas estimar los estadsticos y determinar las propiedades del
estimador (Wilson, 1988).
De entre las tcnicas de submuestreo sealaremos como las ms
usuales, las siguientes (Ross, 1988; en Latorre, Rincn y Arnal, 2003:
83):
La tcnica de la replicacin independiente, que consiste en que la
muestra se divide en dos submuestras independientes.
Tcnica del jakknife (navaja), que consiste en cortar la muestra en
varias partes no mutuamente excluyentes, es decir, con reposicin.
Replicacin repetida balanceada.
Las frmulas generales que nos permiten estimar el error muestral son:

p (1 p )
n
Estas frmulas generales presentan modalidades diversas segn se
trate de muestras con desviacin tpica o muestras con proporciones, o
poblaciones finitas / infinitas:
e

Frmulas del error muestral para:

Muestras

Poblaciones infinitas.

Poblaciones finitas.

s
n

s2 N n

n
N 1

De intervalo:
De proporciones

e
s2 = varianza (cuadrado de la desviacin
tpica)
N = el tamao de la poblacin
6.2

p * q N n

n
N 1

Estimacin del error muestral en las muestras estratificadas y de

clusters.
En las muestras estratificadas habr que considerar que, normalmente,
el % de la caracterstica o la desviacin tpica, en su caso, sern
distintas para cada estrato. Consecuentemente, la formula a utilizar
ser:

p * q
e
ni = elementos del estrato
i.
n
pi = proporcin del atributo
muestral en el estrato i
n = nmero total de elementos de la muestra.
6.3

Factores que intervienen en el error muestral.

De acuerdo con las expresiones matemticas que calculan el error
muestral, los factores que intervienen en l son (Sierra Bravo, 1988:
209):
A)
B)
C)
D)

La amplitud del universo, finito o infinito.

El tamao, n, de la muestra.
El nivel de confianza adoptado.
La desviacin tpica.

El hecho de que se estime el universo como infinito supone que su

amplitud no influye para nada en la frmula a aplicar.
El tamao de la muestra es, en las frmulas del error muestral, un dato
que nos dan o elegimos. No obstante, si al calcular el error ste resulta
demasiado elevado -por ejemplo, superior al 6%-, entonces estamos
obligado a aumentar el tamao de la muestra para reducir el error. Hay
una relacin inversa entre tamao de la muestra y error muestral.
El nivel de confianza adoptado es tambin otro dato que nos puede
venir dado o que podemos elegir. Las pruebas empricas realizadas
muestran que las distribucin muestral de medias de diferentes
muestras se ajusta generalmente a una distribucin normal o curva de
Gauss. Supuesto esto, el nivel de confianza ser la proporcin de las
medias muestrales que forman el rea de esta curva de distribucin
normal del universo que se piensa abarcar. El rea abarcada por 1
sigma (68%), por 2 (95.5%) por 3 (99.7), que nosotros

adoptemos, recibe el nombre de nivel de confianza, porque representa

el % de seguridad o probabilidad que elegimos. Es decir, que de las
medias de todas las muestras posibles que forman en su conjunto la
curva muestral, slo consideramos como probables el 95.5%, por
ejemplo, por lo que prescindimos del otro 4.5%, por estimar que es
muy improbable su obtencin, y por creer que el indicativo 95.5% nos
proporciona una seguridad no total pero suficiente en la prctica. En
consecuencia, con esta eleccin adoptamos un riesgo razonable de
equivocarnos.
El nivel de confianza ms corriente con el que se trabaja en muestras
de investigaciones educativas es el de dos sigmas.

Respecto a la desviacin tpica hay que distinguir las muestras

referentes a variables cuantitativas (con escalas de intervalos o de
razn), de las que se refieren a variables cualitativas (con escalas
nominales u ordinales, de las que son tipo la variables dicotmicas del
tipo S/No)
Estas ltimas variables es posible cuantificarlas, en cierto modo,
recurriendo al lgebra de Boole, asignndole los valores 1/0
(positiva/negativa; aparece/no aparece...). En este caso la media es
igual a p (proporcin en que se da el atributo en cuestin en la
poblacin).

Los datos obtenidos por una

u otra frmula se
i ( x i x ) 2 n i universo a la que
refieren a la varianza del
representan. Cuando sta no s
es conocida, como
n 1
suele ocurrir, se utiliza en su
lugar
la
cuasivarianza, o sea la varianza estimada mediante una pequea
muestra tomada de la poblacin, ya que est comprobado que ste
parmetro es muy estable. Por ello, en las muestras referidas a
variables cualitativas, para hallar la desviacin tpica es necesario
hallar, si no se conoce p, la proporcin o porcentaje que expresa el
nivel estimado de la extensin en el universo de la caracterstica sobre
la que se desea obtener informacin. As, en una encuesta sobre la
extensin del consumo de una determinada marca de tabaco se
deber estimar con anterioridad, aunque sea de manera aproximada, a
travs de un sondeo previo, la proporcin de fumadores y no
fumadores dentro del total de la poblacin. Cuando el sondeo sea
imposible habr que partir de la suposicin del 50%, que es el caso
ms desfavorable; es decir, en que la muestra deber ser mayor.
6.4

Error sistemtico.

Los errores se clasifican, segn su carcter, en sistemticos,

aleatorios y muestrales. El error aleatorio no se suele ajustar a
ninguna pauta, vara normalmente, en cada caso distinto, en su
sentido y magnitud, y por ello tiende a anularse cuando se trata
de un nmero elevado de casos. El error muestral, visto ms
arriba, es un error de tipo aleatorio estadstico, que tiene lugar
cuando se utilizan muestras y se basa en las fluctuaciones
aleatorias del muestreo.
El error sistemtico se suele ajustar a una pauta determinada en
su sentido y magnitud, y por lo tanto, al repetirse los casos, su
magnitud aumenta acumulativamente.
Para Bugeda (1974; en Sierra Bravo, 1988: 213) las principales
vas de penetracin del error sistemtico o de distorsin son las
siguientes:
1.
2.

3.
4.
5.

Modo de eleccin defectuoso de una muestra que hace

que sta no sea representativa.
La dependencia del mtodo de muestreo de una
caracterstica de las unidades del universo a elegir. Ello
puede llevar a una hiper/sub-representatividad de la
muestra. Este sera el caso de un muestreo aleatorio
sistemtico realizado cada cinco elementos, cuando en la
base de la muestra tambin uno de cada cinco son
individuos con una caracterstica determinada.
Las tendencias subjetivas conscientes o inconscientes
del investigador.
Sustituciones, segn criterio propio del investigador, de
unidades de la muestra que haban sido elegidas al azar.
Insuficiente observacin del conjunto de la muestra, que
lleva a atenerse a los primeros resultados. Respecto de
este motivo, especialmente presente en las encuestas
por cuestionario escrito, se ha constatado que los que
contestan primero son los ms interesados en la
encuesta. Por ello, en las encuestas por correo se estima
necesario reiterarlas hasta tres veces, pues de otro modo
adems de quedar modificado el tamao de la muestra,
la encuesta slo abarcara un tipo de gente, los rpidos
en contestar, y quedaran fuera los menos rpidos, que
seguramente constituyen un grupo de caractersticas
diferentes de los primeros.

7.

BIBLIOGRAFA.
BUENDA EISMAN, L.; COLS BRAVO, M.P. y HERNNDEZ PINA, F.
(1998): Mtodos de investigacin en Psicopedagoga. McGraw-Hill, Madrid.
BUGEDA, J. (1974): Manual de tcnicas de investigacin social. Instituto de
Estudios Polticos, Madrid.
GARCA HOZ, V. y PREZ JUSTE, R. (1984): La investigacin del profesor
en el aula. Escuela Espaola, Madrid.
GARRET, H. E. (1976): Estadstica en Psicologa y Educacin. Paids,
Buenos Aires.
JIMENEZ FERNNDEZ, C. (1983): Poblacin y muestra. El muestreo. En
LOHR, S. L. (1999): Muestreo: Diseo y Anlisis. International. Thomson
Editores, Madrid.
MARN IBEZ, R. (1985): El muestreo. Tema 6. En MARN IBEZ y
PREZ SERRANO, G.: Pedagoga Social y Sociologa de la Educacin.
Unidades Didcticas 1, 2 y 3. UNED, Madrid. pp. 161-186
SIERRA BRAVO, R. (1988): Tcnicas de investigacin Social. Teora y
Ejercicios. Paraninfo, Madrid.