Muestreo Estadístico: Conceptos Clave y Selección de Muestra

Selección de la Muestra

Para que una muestra represente a la población que se desea investigar, es necesario que el tamaño de la misma y la metodología utilizada respondan a determinados principios.

Concepto y Elementos del Muestreo

Llamamos población o universo al conjunto de elementos definidos en el espacio y en el tiempo, que están afectados por un mismo problema, objeto de estudio, de los cuales se desea obtener información.

Muestra: es una fracción representativa de la población. A partir de la muestra se puede inferir o estimar las características de la población.

El muestreo: es el procedimiento que permite seleccionar un conjunto de elementos (muestra) de un conjunto total (población) con el objetivo de realizar inferencias sobre este. Para que el muestreo esté bien realizado es necesario que los elementos escogidos representen adecuadamente a la población; si la muestra no cumple este cometido, se dice que es sesgada.

Las unidades de muestreo son los elementos que se encuentran disponibles para su selección. Pueden coincidir o no con las unidades de la población.

Marco de Muestreo o Base de Sondeo

Es la lista de las unidades de muestreo. Debe cumplir con lo siguiente:

• Cada elemento de la población figura en el marco.
• Cada elemento figura una sola vez.
• Solo contiene elementos de la población.
• En un sentido más amplio, marca toda aquella información que puede ser usada para elegir la muestra, produciendo resultados semejantes a los de una lista.

Elementos Útiles en el Muestreo

• Tamaño de la muestra (n): conjunto de unidades de muestreo que forman la muestra.
• Tamaño de la población (N): elementos que forman la población.
• Un parámetro: es un valor numérico de la población, usualmente desconocido, que representa ciertas características numéricas de la población, como la media poblacional o la proporción poblacional. El parámetro es el valor que se pretende estimar; a ese valor estimado se le denomina estimador.
• Desviación típica: procede del concepto de varianza poblacional (σ²) ya que se obtiene como la raíz cuadrada de la misma. Se utiliza para saber el tamaño de la muestra, de tal forma que este será menor a medida que la población es más uniforme.
• Error de estimación: definido como la diferencia entre el valor estimado (estimador) y el valor desconocido (parámetro de la población). Se representa con la letra griega épsilon (ε) y se debe al hecho de que una muestra no produce información completa sobre la población; en este caso, se denomina error de muestreo o aleatorio. El error de muestreo se puede reducir cuando se aumenta la muestra. En poblaciones finitas (menores a 10,000 habitantes) se considera como error de muestreo dos veces la desviación típica.
• Nivel de confianza: es el conjunto de valores entre los que previsiblemente se encuentra el parámetro que se desea estimar. Se expresa porcentualmente y es la probabilidad de que el parámetro se encuentre en el intervalo seleccionado para el estudio. Por ejemplo, un error de muestra igual a dos veces la desviación típica corresponde a un nivel de confianza del 95.5%, mientras que un error de muestra igual a tres veces la desviación típica corresponde a un nivel de confianza del 99.7%.