Poblaciones y muestra

Poblacin
En estadstica, poblacin es un concepto mucho ms general del que tiene la acepcin
comn de esta palabra.
En este sentido, una poblacin es cualquier coleccin ya sea de un nmero finito de
mediciones o una coleccin grande, virtualmente infinita, de datos acerca de algo de
inters.
Muestra
La muestra es un subconjunto representativo seleccionado de una poblacin. Una
buena muestra es aqulla que refleja las caractersticas esenciales de la poblacin de la
cual se obtuvo.
En estadstica, el objetivo de las tcnicas de muestreo es asegurar que cada
observacin tiene una oportunidad igual e independiente de ser includa en la muestra.
Tales procesos de muestreo conducen a una muestra aleatoria.
Muestra probabilstica
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente,
todas las posibles muestras de tamao n tienen la misma probabilidad de ser
seleccionadas. Slo estos mtodos de muestreo probabilsticos nos aseguran la
representatividad de la muestra extrada y son, por tanto, los ms recomendables.
Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes
tipos:

1.- Muestreo aleatorio simple:
El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de
la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas
de nmeros aleatorios, nmeros aleatorios generados con una calculadora u
ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el tamao
de muestra requerido. Este procedimiento, atractivo por su simpleza, tiene poca o nula
utilidad prctica cuando la poblacin que estamos manejando es muy grande.
2.- Muestreo aleatorio sistemtico:
Este procedimiento exige, como el anterior, numerar todos los elementos de la
poblacin
pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte de ese
nmero aleatorio i, que es un nmero elegido al azar, y los elementos que integran la
muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los
individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el
tamao de la muestra: k= N/n. El nmero i que empleamos como punto de partida ser
un nmero al azar entre 1 y k. El riesgo este tipo de muestreo est en los casos en que
se dan periodicidades en la poblacin ya que al elegir a los miembros de la muestra con
una periodicidad coconstante (k) podemos introducir una homogeneidad que no se da
en la poblacin. Imaginemos que estamos seleccionando una muestra sobre listas de
10 individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si
empleamos un muestreo aleatorio sistemtico con k=10 siempre seleccionaramos o
slo hombres o slo mujeres, no podra haber una representacin de los dos sexos.
3.- Muestreo aleatorio estratificado:
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral para un tamao dado de la muestra.
Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran
homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo,
segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.). Lo que se
pretende con este tipo de muestreo es asegurarse de que todos los estratos de inters
estarn representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o
el estratificado para elegir los elementos concretos que formarn parte de la muestra.
En ocasiones las dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la poblacin. (Tamao geogrfico, sexos, edades,...). La
distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin,
y puede ser de diferentes tipos:
Afijacin Simple: A cada estrato le corresponde igual nmero de elementos mustrales.
Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la
poblacin en cada estrato.
Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados, de modo
que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no
se suele conocer la
desviacin.
4.- Muestreo aleatorio por conglomerados:
Los mtodos presentados hasta ahora estn pensados para seleccionar directamente
los
elementos de la poblacin, es decir, que las unidades mustrales son los elementos de
la poblacin.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la
poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades
hosppitalarias, los departamentos universitarios, una caja de determinado producto,
etc., son conglomerados naturales. En otras ocasiones se pueden utilizar
conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los
conglomerados son reas geogrficas suele hablarse de "muestreo por reas". El
muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero
de conglomerados (el necesario para alcanzar el tamao muestral establecido) y en
investigar despus todos los elementos pertenecientes a los conglomerados elegidos.
Muestras no probabilsticos
A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente
costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no
sirven para realizar generalizaciones (estimaciones inferenciales sobre la poblacin),
pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos
los sujetos de la poblacin tienen la misma probabilidad de se elegidos. En general se
seleccionan a los sujetos siguiendo determinados criterios procurando, en la medida de
lo posible, que la muestra sea representativa.
En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten
resolver los problemas de representatividad aun en situaciones de muestreo no
probabilstico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la poblacin.
Entre los mtodos de muestreo no probabilsticos ms utilizados en investigacin
encontramos:
1.- Muestreo por cuotas:
Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base
de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms
"representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto,
semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de
aleatoriedad de aqul.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de
individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos de
25 a 40 aos, de sexo
femenino y residentes en Gijn. Una vez determinada la cuota se eligen los primeros
que se encuentren que cumplan esas caractersticas. Este mtodo se utiliza mucho en
las encuestas de opinin.
2.- Muestreo intencional o de conveniencia:
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusin en la muestra de grupos supuestamente
tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de zonas que en
anteriores votaciones han marcado tendencias de voto. Tambin puede ser que el
investigador seleccione directa e intencionadamente los individuos de la poblacin. El
caso ms frecuente de este procedimiento el utilizar como muestra los individuos a los
que se tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia
a sus propios alumnos) 3.- Bola de nieve:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta
conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se
hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos
de enfermos, etc.
4.- Muestreo Discrecional A criterio del investigador los elementos son elegidos sobre
lo que l cree que pueden aportar al estudio.

Afijacin de la muestra
Se llama ajacion de la muestra al reparto o distribucion del tamao muestra ln entre
los diferentes estratos. Esto es, a la determinacion de los valores nh,h = 1,2, . . . , L que
veriquen
n1 + n2 + . . . + nL = n.
Pueden establecerse muchas ajaciones o maneras de repartir la muestra entre
los estratos, pero las mas importantes son: la ajacion uniforme, la ajacion
proporcional, la ajacion de varianza minima y la ajacion optima.


Afijacin proporcional: En este caso es proporcional al tamao del
estrato

con

.
Todas las unidades tienen la misma probabilidad de ser seleccionadas



Afijacin simple: A cada estrato le corresponde el mismo nmero de
elementos de la muestra