Capitulo Lt Muestreo estratificado El muestreo estratificado se caracteriza por usar informacian auxiliar que permite agrupar a los elementos que componen la muestrs en estratos di ferenciados. Los estratos estén conformados por elementos que tienen pun tuacién homogénes en la variable en estudio. Los elementos que eomponcn tun estrato son parccidos dentro del estrato y los estratos sen agrupaciones distintas entre si, La variable de estratificacién es auxiliar y permite constituir grupos ho- mogéneos de elementos. Condicién para que esto ocurra es que Ta variable de estratificacién esté relacionads con Ia variable a medic. Asi, por ejemplo, para estudiar satisfaccién lahoral se puede establecer estratos segtin nivel de ingreso en el entendido que el ingceso esta relacionado con Ia setisfaccion Isboral. Se suele usarmas de una variable de estratificacisn, a in de aseguear mayor homogeneidad en los estratos. En tal caso se aconseja que arabas variables estén relacionadas con la variable 2 medig, pero no relacionadas entre si. Si existe relacién entre ellas su uso no sc justifica porque no mejoran el resultado de la estratificacion. Se aconseja usar aquella que esté mas relacionada con la veriable en estudio, a fin de generar esiratos mas homogénces La logica que subyace al muestreo estratificedo es que agrupando los elementos en estratos homogéneos es posible mejorer lo precision y vui- nimizar el costo respecto a seleccién mediante muestreo aleetorio simple Una buens estratificacién se produce cuando se generan estratos altamente hornogeneos. Estratos homogéneos son condicion necesacia para una buena estimacion. En el limite, si cada estrato esté compuesto por elementos con ta misma puntuacién ta sefeccién de un elemento por estrato seria adecuada paca inferis sin error. Cabe destacar que cada estrato es una agrupaci6n independiente de las demas, lo cual permite inferir 1os resultados a la poblecién oxigen de cada estrato en forma auténoma. Considerados todos las estratos on forma conjunta se infiere a la poblacidn origen de la muestra. A menudo se precisa de resultados para subdivisiones de Ja muestra A. saber, regiones, nivel socioeconémico, grupos etércos, etc. Si estas subdivisiones conforman estratos se puede inferir para cada subdivision por separado.11.1. Precisi6n de la estimaci6n La légica def muestreo estratificado da lugar a que le varianza del estimador de. Ja muestra en cada estrato es igual o menor al valor que se obtendria mediante ‘auestsco aleatorio simple. En consecuencia, el mucstreo estratificade es siempre igual o més preciso que el muestreo aleatorio simple. La precisién es igual en ambos procedimientos cuando Ia variable de estratificacién no genera esteatos © cuando cada estrato presenta la misma dispersion que la generada mediante selecci6a aleatoria simple. El éxito del muestreo estratificado esta sujeto a dos condiciones. Por una parte, conformer estratos con medias heterogéneas que se manifiesta en varian- za grande entre las medias de los estratos. En segundo lugar, conformar estrates dentro de los eusles exista homogencidad de puntuaciones cuya expredién es vorianza pequeia dentro de los estratos, El efecto de disefio en un muestreo estratificado con estratos homogéneos es inferior @ 1. Un efecto de disefio inferior a 1 significa que ef mucstrco estra- tilicado es mas preciso que el muestres aleatorio simple 0, en otros términos, que para una precisién prefijada s¢ requicren menos observaciones en muestreo estratificado que en muestreo aleatorio simple. 11.2. Tamaiio de estratos En ef dmbito del smuestreo estratificado el primer paso es generar estratos, a fin de asignar cada elemento a su estrato de pertenencia. Existen diversos procedi- raientos para extablecer fa amplitud de un estrato: equiparticién, igualacién de totales ¢ igualacion de tamaitos relatives El mejor criterio para discemirsespecto a tamaiio de los estratos y gencraciin de estratos homogencos es fa experiencia y Ia intuici6n. 11.3. Namero de estratos Elsentido comin senala queen general los estratos no deben se1 povus ¢ muchos porque en ambos casas se desvirtia In ventaja que oftece el agrupamiento de elementos. Un nimere reducide de cstatus no permite aprovechor Jas ventajoa de la estratificaciéa y muchos estratos genera agrupaciones pequeas y compli- cacisn en fos célculos, Kish (1972) establece come referencia un rango de 3 a TO estratos. Para establecer el nimero Sptimo de estratos apropiado se puede utilizar cl procedimiento desarrollado por Dalenius (1957), E1 calculo implica minimizar Is siguiente fana ong the, ted Donde: o* = Vesianza de la muestra J. =Namero de estratos a =Tamajio de la muestra 4g, = Coste por unidad €. = Coste por estrato ¢ = Costo general Elresultado gencrado después de aplicar ef metodo de Lagrange para minimizar una fimcién es el siguiente. ane, N° de estratws = qu.) ‘Dende: ramaio de la muestra Costa por unidad Costo por estrato 114, Seleccién aleatoria de elementos Conocido el niimero de estratos es preciso seleccionar una muestra de elementos linterior de cada uno de ellos Para estos efectos se ejecuta una seleccién aleatotia Simple. Se suele denominer a este procedimienty mucstreo aleatorio estratificado. La seleccién aleatoria de elementos on cada estrato de fa pobladén exige isponer del listado de todos fos elementos pertenecientes a fa pablacién. Nétese que cada estrato de la muestra esté compuesto de elementos que pertenecen al mismo estrato en fa poblacton origen de la muestra. 11.5. Afijacién La asignacién de los elementos de Je muestra a cada uno de los estiatus que componen la muestra recibe el nombre de afijacion, La asignacidn se realiza segim criterios que empitica y tesricamente se han mostrado adecuados Los principales criterios de astgnacién son los siguientes:— Numero de elementos que compone cada estrato — Varianaa de tos elementos dentro de cada estrato — Costo de cada elemento en Ios estratos considerados En funcitin de los criterios sealados cabe distinguir custto tipes de afijaci6n En afijaci6n igual se asigna el mismo numero de elementos en cada etato. a affjcién igual no tiene uso en la prictica, Raras veces se justifica definir para todos Jos estratos el mismo tamaile. No parece pertinente desde ef punto devista Logica ni es beneficioso considerando la precisién de la estimacién. La affjacién proporcional es de uso comiin y justificacion intuitiva. La idee es que el tamaito de cada estrato en la muestra sea proporcionsl al temaiio det correspondiente estrato de fa poblacién. Presenta como ventaja adicional que se genera una muestra autoponderada caracterizada por la misma fraccién de muestreo en todos los estratos. La abjacién Sptiena de varianza tiene el propésito de considerar la logica de la afijacion proposcional y simulténeamente el valor de Ja varianza en cada estra- to. Laides que sbjace a esta asignacién es que los estratos de mayor varianza tengan mis elementos que aquellos que son niis homogéneos ~respetando le proporcionalidad en la asignacion. La aljjacion éptima de costes considera simulténcamentelos eriterios de pro- porcionalidad, varianza y costo, Se incluye la variable costo a fin que los estratos ins caros tengan menos elementos que los estratos baratos para minimizar el costo de la investigacion. Cabe destacar que en los procedimientos de afjacién no autoponderados igual, optime de varianza y Optima de costo—se wulizan factoresde pouderacion a fin de iguatar la suma de los pesos de todos los elementos y elirninas el sesgo generado por la selecci6n desproporcionada de elementos. Se demuestra que la relacién entre Ja varianza del estimador en los mues- txcos aleatorio simple, cstratficedo proporcional y estratificade éptimo es le siguiente. D2 pep = Vay Siempre la varienza del estimador de! muestueo aleatorio simple es mayor que la del mutestreo estratificad, excepto cuando la variable de cstratificacién no esté telacionada conle variable en estudio y no sc forman estratos, Siempre la varianza del muestreo con afjacién proporcional es mayor que la verianza del muestreo con afijaci6n éptima, excepto cuando todos les extratos tienen la mnioma varianza. 11.6. Notacion Para caracterizar la estructura del mucstco estratificado cabe distinguir estratos yelementos en ta poblacin, y en la muestra, e411. Poblacion 1Los estratos se distibuyen del siguiente modo en la pabtaci6n. Primer estrato de tamaio N, Segundo estrato de tamaiio N, Estrato genérico H de tamafio Ny Estrato atime L de tamaiio N, Los elementos se distribuyen en los estratus de la poblacién. Et elemento gentrico x, comesponde a fa puntuaci6n del elemento i en el estrato h. Primer estrato yy Mya omen KN Segundo strato, %)5---%y-—-Ny Estrato genérico Hy 2p) =X pg XN Estrato atimoL xqy 44). ‘Tamano de la poblacion NaN, =N,+N,4 0 ‘Tamaiio del strata h-ésimo- oh Ny= Dn # Peso de cada estrato oN Weg Modie dela poblecién 3 oe KeeMedia del estrato h-ésimo Me he ia N, X= Varianza del estrato h-ésimo LN > 2-4, geen) N 11.6.2. Muestra La muestra es una réplica en tamajio reducido dela poblaci6a. Presents la misma estructura que la poblacién diferenciandose en el tamafo de los estratos. El elemento genérico %,,corresponde a la puntuacién del elementa i en el estrato h Tamaiio de Ja muestra ne Syen eat tnt ty g ‘Tamaiio del estrato h-ésimo Peso de estrawo h-ésimo ty Media de la muestra. Disefio autoponderado geneMedia de a muestra. ise no autoponderade z=3uy, Fa ‘Media del strato h-ésimo. 4 Bu Varianza del estrata h-ésimo, Lt 2 2b, — x) spate 19) 7 El siguiente esquema permite visualizarla estructura caractoristica dell muestreo estratificado. Grifico 9. Eatructurn del diseio estestificado. Poblacién Subdivision de estas11.7. Tipos de afijacién 11.7.1. Afijacion igual El tamaio de todos los estretos en afijacién igual es el mismo, En consecuencia, i peso de cada cstrato seré igual para todos los estratos. El eéloulo del peso de cada estrato se obtiene segin el siguiente cuociente. i L L = Numero de estates El tamaiio de cada estrato se obtiene dividiendo dos términos a a a n= Tamafio de ls muestra La sfijaciéa igual para efectos de férmula presenta los mismos términos que la afijacién proposcfonal, No ¢s un muestreo autoponderado, La media muestra se obtiene ponderando la media de cada estrato por su peso. En consecuencia, para realizar estimaciones mediante afijacton igual se calcula el tamefio de Ja muestra yel intervalo de confianza segin las formulas utilizadas en afijacién proporcional. La particularidad es que los extratos tienen el mismo peso. ‘Laestructura de Ia muestra con afijaci6n igual es la siguiente. Grafico 10, Diseno estrttificada. ABiizcion igual Moete [=] Subdivistin en estratos Tr Estadisticos11.7.2. Afijaciin proporcional La afijacién proporcional ha sido conocida como afijacion de Bowley, La carac- teristica distintiva de Is sBjacién proporcional es que el tamario de los estratos muestrales es proporcional al tamaiio de los estratos poblactonales. La afiiacién proporcional da lugar a un muestren sutaponderado, En efecto, al mantener la fraccién de muestreo proporcional en todos las estratos asegura ue todos tos elementos de la poblacién tienen la misma probabilidad de per tenecer alo muestra. La estructura de Is muestra con afijacion proporcional es la siguiente. Gifico 11. Diseno estratificade. Afiacion proporcional ‘Tamahio de estratos Estadisticns Proporcida muestra 11.7.3. Afiiaciin éptima La afijacién éptima se vealiza con el propésito de mejorar Ja precisién de las estimaciones respecto a Ja afijacién proporcional. Se distingue afjacion optima de varianza y afijacion éptima de costo. La afijacién éptime de varianza conocida como afijacion de Neyman tei el propésito de minimizar Ja verianza del estimador para un tamaiio de-estratos, predefinido.En particulas los stratusde menor varianza scrdn nis pexquecios yas, de-varianza mayor serén muds grandes. La logica quesubyace asta afjjacion esegges cn estratos de clementos similares no es necesario muestrear muchos elementos y solo cabe sacar muestres grandes en estratos con valores heterogéagas: .*Laafijacién éptima de costo es una variacién de ls afijaciéa éptima de varian- 2a que considera ademas el costo en la seleccion de elementos. Presenta como altemativas minimnizar la varianza del estimador para un costo dado.o minimizar el costo para una varlanza del estinador preestablectda. Se consideran costos diferenciados en cada uno de los estratos, fin de que los estratos mis caros sean de menor tamaiio. Laafijecién éptima, sea de verianza o costo, plantea la necesidad de rsinimizar ‘una funcién dada una restricciGn. Para estos efectos se suele utilizar el método de multiplicadores de Lagrange La estructura de la sauestra con afijacién éptima de varianza.es la siguiente. Tamaio de muestra Media Tumait delos trator Media catrotorGrifico 13. Diseio estratificado. Afjaciéa éptima de costo. ‘Vomafo de muestra Media ‘Tomano de los estratas Media de ta muestra Propercién ‘Temaio de fos estratas, Proporcion de los esteztos Peoparci6n mucstralCapitulo 1 La encuesta por muestreo La investigacion cuantitativa por antonomasia cs Ia excuesta por muestree, Se caracterize por utilizas informacién de una muestra representativa para explorer, describis o explicar las proptedades de la poblaci6n origen de la mmucetra. ‘Los sustentos tedricos de Ia encuesta son la inferencie estadistica clasica y Ia teorta psicosocial de Ia comunicacién con entrevistas. I inferencia se nutre de Ie teoria de la estimaci6n. Esta se basa en el célculo de probabifidades y, on particulas en las funciones de distribuci6n, ol teorema del limite central yla ley He los grandes nimeros.La teoria psicosocial de la comunicacién con entrevistas comprende comportemientor verbales denominados speech events. En este con- texto la entrevista es una comunicaciGn interpersonal orientada a vn fin donde srepomisor y receptor vehicufizan el mensaje a través del habla. La entrevista mediante ctestionario es un modo de entrevista utilizado desde una perspectiva metodolégica para medir un abjeto de estudio, 1.1. Tipos de encuesta La encucsta puede ser entendida de das mods diferentes. La vision amplia ermu- 1a encuesta'con toda investigacidn en la que se produce informacion mediante procedimientos que no sean experimentales. La perspective restringida concibe Ja encuesta como un procedimiento que considera informacion de una muestra con al cbjetode inferira la poblacion origen de fa muestra. La segunda definicion Corresponde a la encuesta por muesteco y seri utiizada en este texto ‘La bibliografia distingue tres tipos de investigaci6n a propésito del uso de fa encuesta por mucstrea. A saber, estudios explorstorios relizados para dentificar {ina materia de la que no sé tienen antecedentes. Fin este contexto la encuesta perite generar hipStesisy lineas de investigacién. Encuestas descriptivas con of proposito de obtener informacién que permite caracterizar un objeto dees tudio en Funcién de diversos atributos, a fin de describir como son Ins cosas. Las crcucetes amaliticas Uenen como objeto cb estudio de relaciones entre variables, ‘con el fin de explicar por qué las cosas son de ese modo, Naturalnsente que una encuesta por muestreo puede ser clasificada sega Is naturaleza de la investigaciOn en que ésta se enmarque. Asi, por ejemplo, segén. fu finalidad se distingue encuesta bisica o aplicada, de acuerdo a la medicion en 5tiempo; encuesta diacrSnica o sincrénica, en funciéa de la amplitud del abje- + to de estudio atomisticas o contextuales, segin el grado de control de variables Intevinientes de campo o de leboratorio. ‘Cualquiera sea la taxonomia el tema ceatral del diselo de una encucsta por muestieo es representar le realidad mediante un modelo reducido de ésta. Ta muestra es una maqueta de la poblacion en la que estan reproducidos sus atributos a una escala menos. En este contexto, Kish (1972) usa la imagen de la muestra como un espejo de la poblacion, El problema de la encuesta por muestreo es el de la inferencia. Es deci, el paso de lo particular alo general, Para estos efectos se definen, en primes térmi- fo, extrategias de celeccién de elementas y, pasterionnente, procedimientos de estimacion de los pardmctros poblacionales. 1.2. Etapas de la encuesta Seha producidouna variada nomenclatura para establecer lasetapas a considerar cals clecucién dea encuesta por mauestse0. A juicio de Henry (1990), el disefio de uma encuesta por snuestreo implica tomar decisiones en tres momentos, En cfecto, cabe distinguir decisiones previzs ala seleccion de la muestra, decisiones propias del muestreo y decisiones posteriores a Is seleccién de la muestra. 1.2.1. Decisiones previas al muestreo El momento previo al muestreo dice relaci6a con tas siguientes mateciss —" Objeto de estudio, Fundamentalmente establecer cudles son les preguntas de investigadén, Variabilizar Establecer definicioncs nominates y operacionales de los con- ceptos. Peblacién, Definis cuales son tos elementes que componen Ia poblacién de Ta que se realizarin inferencias. “Marco muestral. Disponer del material en que Giguran las unidades muestrales y que permitiré su seleccion. Jranumento de medida, Arabito de la consteuccién de indices y escalas. Re- daccion de las hipotesis en términos de preguntas segrin | formato de un custionario. Recogida de informaciin. Las alternativas este respecto son entrevista pertonal, postal o telefGnica. EL registro de fos datos puede ser con lépiz 0 computador ‘Adiestranienvo a encuestadores. Bisicamente familiarizar a los entrevistadores con laaplicacion del insirumento de medida ylaestrategia de seleccién de casos. Encuesta piloto. Se evaltan ha calidad del instrumento de medida, la tasa de no gespuestas, la varianza de fas variables marcadores y la organizacion del ‘trabajo de campo.} Plan deandlisis. Establecer los procedimientos de procesamiento estallistica de la informecion. 1.2.2. Decisiones propias del muestre0 El momento del muestreo se caracteriza por decisiones técnicas, entre las que cabe destacar las siguientes: _— Procedimiento de seleccién de elementos. Se trata de elegir entre las opciones de muestreos probabilisticos y no probebilfisticos, — Tamaio dela muestra. Basicarnente se trata de aplicar fa formula correspon- dicnte segiin d procedimiento de seleccién elegido. — Nivel de confianzay probabilidad de error. Se tratade tomar decisiones respecto ala precision de las estimaciones. — Probabilidad de seleccién de las unidades de muestreo, Hatablecer si todss las unidades tendrén la misma probabilidad de ser clegidas 0 probebilidades distintas de seleccién.A saber, decidir si el disefio seré autoponderado ono autoponderado. 1.2.3. Decisiones posteriores al muestreo _Elmomento posterior al muestreo contempla mstesias del siguiente orden. = Codificacién-y digitaciém, Principalmente cerrar preguntas abiertasy generar tuna base de datos. Depuracién de la base de datos. Bésicamnente evaluar Ta calidad de los datos pesquisando errores de rengo y consistencia. Tratamiznto de no respuesta. Se wala de identificar bos tipos de no respuesta y aplicer los procedimientes de correccién correspondientes. Ponderacién yelevacién, Se pondera asignando pesos diferentesa las unidades muestrales, afin de que no haya elementos subcepresentados 0 sobrerrepre- sentados y st eleva multplicande las unidades muestrales por un coeficiente pars obtener desde la muestra los valores que comresponderfan a la pobfacion corigen dela muestra. Ladefinicién de las etapas implicadas en laencuiesta por muestreo evidencia que arealizacicn de una encuesta es un proyecto complejo, donde concusren diversos saberesy hebilidades con el prapésite de generar un productocorrecto, En algunas de estas tareas nadattieiie que decir la teoria de mustras, por ejemplo, elaboracion del instrurnento de medida o realizacion del trabajo de campo. Sin embargo, un cumplimiento insotisfactorio de las tareas anexas invalida al resultado, aunque se utilicen procedimientos sofisticados para la seteccion de elementos.Gréfico 1. Btapas dele encuesta por muesteco _ Pregunta de |) Procesamiento conputaciondl1.3. Poblacién y muestra Cabe preguatarse por qué una muestra y no un censo en el que se miden todos Jos elementos de la poblacibn. Das razones justifican la pertinencia del uso de muestras, La primera es obvia y dice relacién con cl mener costo comparative de ‘una encuesta. Ls segunda razon es menos evidente. La experiencia ensefia que tuna muestra es mis precisa en la estimacién de los valores pcblacionales que un censo, Para explicar esta paradoja es preciso difecenciar errores de muestieo ¥ ersores sjenes al muestieo. Error de muesireo. Se produce como resultado de medir informeciéa de un subconjunto -muestra-, con el objeto de estimar valores correspodientes al conjunto ~poblacién. En consecueacia, es un error producido por le naturaleza misma dela inferencia. Elnémerode muestras de tamaiio n posibles de seleecionar en una pobfaciba de tamafio N corresponde a la combinacign| I Eleror de muestreo s¢ produce porque se infiere la poblacién desde stlo ‘una muestra de tamaiio n. ‘La magnitud dd error de smuectreo varia en funcién de un conjunto de fac- tores. Por ejemplo, el error de muestreo disminuye cuando fa muestra es grande, y éste aumenta cuando la dispersién de tas variables sometidas a medicién es grande. Los censos no presentan excor de meestreo. Error ajeno al muesivea Se origina en él conjunto de operaciones que se Jizan en el proceso de recogida y almacenemiento de informacion, La magnitud del error ajeno al muestreo depende basicamente del ntimero dle ubservaciones registrades. En conzecuencie, a error ajeno al muestreo es im- portante en un censo y menor en una muestra. Son fuente: de error la aplicacion ded instrumento, la codificaci6a y la digitacién de los datos. Loserrores de muestrea y ajenos al muestreoson una dificultad para conocer el valor exacto del parémetro en la poblaci6n. La experiencia enseiia que los ‘errores de muestreo son menores alos errores ajenosal mucstaco. Bn consecuen- ‘ia, una muestra bien diseiiada permite estimar el parimetro poblacional con tun error asociade menor que ef producido en un censo. En éste se acumulan errores debido a fa cantidad de informacion manipulada. Paradojicamente las oficinas censales utilizan muestras pare estimar los valores deta poblacién, a fin de mejorar los resultados producidos por el censo. 1.4. Errores sistematicos La calidad de la informacién generada mediante Ia encuesta por muestreo es de- cisiva porque condiciona la eficacia dee inferencia.En efecto, Is sofisticacionde os procedimientos estadisticos utilizados para generalizas los datos dela muestra ala poblacién resultan indtiles i la informaci6n es sesgada'y no sepresentativa. 19Cabe destacer que ol término error en disefio de muestras no siempre es nimo de falla o deficiencia, Por ejemplo,el error de muestreo es inherento a Ie inferencia y genera Ia inevitable imprecision en la estimacion. En el ambito de exrores sisteméticos o ajenos al muestreo cabe distingwsir dos fuentes de error. A saber, errores por no observaci6n y crrores de medic Ex ambos casos la muestra es conformada Jesionando la exigencia de represen- tatividad. 14.1. Errores por no observaciin La observacion incompleta de las unidades que camponen la poblacién objetivo ‘esuna fuente de error que incide en fa infercacia, Los erzores por no observacton Senean diversas origenes. Cabe destacar errores originadlos en el marco muestral yemores de no respuesta. El marco muestral genera errores de no cobertura cuando no inclaye.a toda Ta poblacién marco por deficiencias de actualizacidn w atras. Los errores de no respuesia se producen cuando elementos seleceionados responden parcialmente 0 estén inhabilitades por razones de salud u otras para contestar un cuestionario, 1.4.2. Errores de medicion Cabe mencionar dos fuentes de error: instrument de medida y efecto entre- vistador. EL instrumento de medida es fuente de error a raiz de la operacionalizacién de las nociones que son sometidas a medicién. Habitualmente se trata de con- ceptos ebstractos y vagos que no son medibles directamente y para fos cuales se chon elaborar indices y escalas. Elefecto del entrevistador es de dificdl tratamiento, porque se produce inde- pendientemente de Ia voluntad y sin conocimiento del sujeto que lleva a cabo Incatrevista 15, Représentatividad La representatividad es una propiedad que debe caracterizas a toda muestra. Se frata de una cuslidad de las myestras que permite reproducic a excala los atri- butos de la poblacion 5, en consecuencis, peemite inferis a la poblacién origen dela muestra No existe uns definicion formal de qué es lo que se entiende por represen- tatividad y tampoco se puede establecer con exactitud cudndo tina muestra ¢8 representativa y en qué momento deja de serlo, La prictica ensefia que ¢s muy dificil que wna muestra teproduzca exac- Semente los atributos de la poblacién. En general, se asame que fa muestra essepresentativa cuando reproduce parcialmente le distribucion de frecuenciss de Giertas variables seleccionadas a hoe. Las caracteristicas de Ia poblacién que sirven para contrastar la representati- vidad dela muestra se denominan variables marcadoras, En general fas variables Tareadoras son veriables sociodemogréficas que tienen valores conocidos en la poblacién origen dela muestra. Se asumeque Ja representatividad de te muestra ‘ale para las variables marcadoras y nada se asegura en ¢claciOn 8 otras variables de investigacién. "Notese que la representatividad en una muestra seleccionada al azar no puede ser conocida. El azar no es garantia de represcatatividad. El azar, sin embargo, es la piedra angular de la ioferencia estadistica. Los sesgosse anulardn mutuamente cuando se selecciona afeatoriamentetmm ntimero, grande de elementos independientes. ‘Nada garantiza que una muestra aca representativa. Elazars6lo permite tener esperanza que esta eventualidad ocurra. 1.6, Resumen histérico Los origenes de fa encuesta por mucstreo se remontan ¢ les investigaciones empiricas realizadas en el siglo x1x en ol contexto de las monografiss sociales ‘mediante encuesta reclizadas por precussores como Charles Booth y Sidney Webb, Existen antecedentes remotes de estudios mediante encuesta, sin em- argo son ajenos al modo en que éstos se realizan en la actualidad.Nétese que Jos trabajos empiricos realizados en fnglaterra a fines del siglo x1k coinciden temporaimente con los desarroltos estailistices implementados por Colton, Pearson y Spearmen. Cabe destacar que el Instituto Internacional de Estadistica en Ia reunién de Berlin en 1903 manifestd su apoyo a los desarrollos incipientes de to que flamns método representative. Sin embargo, sélo en la reunién de Roma en 1926 se ‘labora un informe en que se reconocen las ventajas de la inferencia estedistica como procediniento pare Ja eatimacion de parametros poblacionales. Flaso de encuestas por muesireo se popularize en las primeras décades del siglo xi a partir delos estudios de intencin de voto realizedos en Estados Unidos por agencias espectallzadas en estudios de opinion. Cebe mencionar a George Gallup, Elmo Roper y Archivald Crossley. Elinicio de los procedimicutes moderoos de seleccién de elementos y esti- mocién de parametios ¢s el articulo publicado por Jerzy Neymen (1934) en la evista de la Royal Statistical Society de Londres con el titulo On The Tivo Different “Aspects ofthe Represmtative Methods. En este articulo Neymen fundementa que Jaselecci6n aleatoria es la base para formulae una teoria cientifica que permite la inferencia de datos muestrales a valores poblacionalcs. En particular, demuestra que et posible conocer la precisién en la estimacién de valores poblaclonales a partir de datos dela muestra.El reconocimiento en el ambito universitasio dela madurez de la teoris de muestras se evidencia con Ja implementacién de fas primeras cdtedras universi- tarias em la década del 40 del sigho pasado. Particular relevancia tuvo.el Instionta de Tnvestigacién Social Aplicada de la Universidad de Columbia dirigida por Paul Lazarsfeld. En el transcurso de! siglo xx, desde varias latitudes se impulsé ¢l desarrollo te6rico y la aplicacion dela teoria de mucstras. Eo la India se forma una cscucla bajo ta tuicign de P. C. Mahalanobis, en Inglaterra Sir Ronald Fisher fornenta el sso de los procedimientos de muestreo, la escuela gueca se deserrolla impulsa- da por T. Dalenius, en la Unién Soviética el desarrollo de ta teoria de mucstras cxece influenciade por A. A. Techuprow, los Estados Unidos participen en este desarrollo con ef impulso de W. E. Deming y W. G. Cochran. ‘A juicio de Azorin (1972), durante los afios 1949-1954 se consolida el pro- eso iniciado con la publicacién del articulo de Jerzy Neyman con la edicion de textos hoy clasicos. ILos mas importantes y atin vigentes son los Iihros de FE. Yates (1949), WE. Deming (1950), M. HE Hansen, W. N. Hurwitz y W. G Madows (1953) y P.V. Sukthame (1954). Un indicador del desarrollo institucional del disefio de mucstres cs la fun- dscion en 1971 de la fnzernational Asociation of Sampling Statisticians. Cabe destacar que a principios del siglo x4 contaba con cerca de 2.000 miembros de mas de 100 paises.E Capitulo 3 Tipos de muestreo probabilistico La distincién fandamental en relacién con los procedimientos utilizados para selecclonar muestras dice relacién con la probabilidad de seteccionat a los elemen- tos que constituirdn la muestra. Asi se distingue entre tauestrco probebilistice, no probabilistico y cussi probabilistico ‘Tos muextreos probshilisticos son estrategias de selecci6n de elementos que se sustentan enel principio de scleceién aleatoris, En ls prictica esta significa que todos tos elementos de la poblacién tienen una probabilidad conocida y distinta Ge Ode pertenccer a la muestra. Lo aleatoriedad no es atributo de une muestra, sino del proceso de seleccién utitizado. ‘Existen diversos pracedimientos de muestreo probabilistico, Las diferencias tienen que ver con ef modo en que se scleceionan los elementos y con Is preci- Sién de las estimaciones. Notese que ua disefio mucstral puede incluir mis de ‘un procedimiento de seleccién de elementos. “Los muestreos probsbilisticos de uso comin se resefian brevemente a con- ‘tinuacion. “Muestr2o Aleatorio Simple (MAS). Brocedimiento de mucstreo bisice y fun- damento de otras estrategias de seleccién de muestra. Se caracteriza porque 1a Geleecion se reatiza de un listado de la poblacién asignindote igual probsbilidad cada clemento. Ademis cada muestra de tamafion tiene igual probabilidad de ser seleccionada. Es el prutotipo del muestreo equiprobable y autoponderado. Se distingue entre MAS sin reposicién y con reposicion. Muestreo sin re- posicién porque tna vez seleccionado un elemento no se puede seleccionar a arevamente. Muesteeo con reposicign porque un clernento seleccionado puede ser scleccionsdo posteriormente. ‘Normalmente se-usa MAS sin reposicion, Las formulas son més sencillas y en a préctica los resultados no diferen. En efecto, ambas alternativas producen Tesultados casi iguales cuando Ta muestra ¢s una fraccién pequefia del tamafio de la poblaciéa. ‘En la bibliografta se uilizan distintas denominaciones: muestrea ierestric: temente aleatorio, muestreo equiprobabilisticoy, sltimamente, diseiio muscstral simple como opuesto a diseiio raueeteal complejo. Muestvan Sistemndtico (MS). Se trata de una variante del MAS. El propésito es faciiar la scleceida de elementos cuando Ta poblacién es tun listado de muchos casos y la seleccien se tealiza mediante tabla de nmmesos aleatotios. En este. sig acontexto se elige un punto de arranque sleatorio y se seleceionan cases en forma sucesiva segin un intervalo numérico convencional. Muestreo Extratificads (ME). Procedimiento muestral que se caracterize por {a utilizacion de informacion atncliar para mejorar fa eficiencia en la seleccion de elementos y mejorar Ia precision de las estimaciones. La informacién auxiliar corresponde a variables de estratificacion ~sexo, region, estado civil- que dividen alapoblacidn en estratos. Los estrates son grupos hornagéneos deelementos por Jo que no es preciso seleccioner un nimero elevado de cases para representar al ‘estrato. Miontras mas homogéneo sea el estrato mas precisa sera la estimacién. Muestreo por Conglomerados (MC). Procedimiento de mucstreo que abre un abanico de posibilidades relacionadas con los ruestreos por etapas y mues- treoa complejos. Este procedimiento se caracterize por coustituir unidades de muestreo compuestas por un agregedo de elementos. Cada grupo de elementos constitaye un conglomerado. Todo conglomerado esti constituido por un conjunto de elementos con valores diferentes entre si en Ja varieble medida para formar ‘conglomerados. Una peculiaridad del muestreo por conglomeradas es que nn se equicre ellistado de todas loselementos dela poblacion para diseftarla muestra. ‘Muestreo Polieudpioo (MPE). El precedimiento polietapico es un disefio com- plejo caracterizado por la selecci6n de muestra en etapss sucesivas. Las unidades, de la primera etapa—unidades primarias demuestreo (UPM)- son potencialmente divisibles en la segunda ctapa—unidades secundaries de muestseo (USM)- y en etapas posteriores. Taacleccién de cada etapa requiere de tun marco muestral propia, El marco dela primera etepa permuite la seleccién de las UPM. En cada UPM seleccionada se requiere de ua roarce para seleccionar Ias USM. El marco muestral de cada ‘USM penmite seleccionar elementos de la te1cera etapa, y asi sucesivamente. ‘Muestreo Folifasicn (MPF). El uso de este procedimiento se justifica cuando se requicre distinta informeciéa de una misme muestra y el costo de tos tipos de informacion requerida es sustancialmente distinto, Se carscteriza por una primera fase con tamafio de muestra mayor y una segunda fase de recogida de informacion adicional que corresponde a-una fraccion de la muestra mayor. “Muestroocon Probabitidad Praporcional al Yamato (PPT). Los procedimientos de miuesizeo probabilistico permiten que a cada elemento se fe asignen proba- bilidades iguales 0 desiguales de scleccién. En MAS y MS las probabilidades de selvecién son iguales. El muestreo PPT considera informacion ausiliar, a fin de realizar con mis eficacia la cstimacion del parémeteo poblacional. En particular, se considera el ‘tamafio de las unidades muestrales cuando éstas varian en tamahos y éstos son conccidos Se justifica cl uso del procedimiento PPT cuando existe selacién entre el tamano de fas untdades muestrales y le meteria que es sometida a medicién Por ejemplo, estudio de ingresos con empresss de distinto tamafio y salario as0- dado con el tamaiio de éstes. ‘Muestreo am Réplicas (MR). Se caracteriza este procedimiento porlaseleccién Beads de una mucstra cn una misma poblecién. En particulas, se seleccionennuestras pequetias independientes entre si que en conjunte suman el tamafio “Fo ana sole muestra mayor. Cada muestra pequeita es una réplica y todas tienen damente el miamo tana Dos razones justilican esta opeisn: necesided F de resultados prelininares y mejorar el ervor tipica dela estimacion. “Muestreo Longitedinal (ML). Procedimiento de muestico que se cacacteriza par la medicion de ona misme pobleciéa en periedos temporal sucesivos Se Pe sultvado el anglicismo panel para idemtificarla. El véemino panel designa ann sgrupode personas seleccionadas con el propésitn quesivan de jurado. La musta Tongitudinal se usa comunmente en cstudios de mercado pare hacer seguimient0 + en Ia percepcién de servicios o productes.