Lectura 12 texto
- 1. 1 Bloque Temático 12 Diseño Muestral de la Investigación RESUMEN La población es condición indispensable para seleccionar la muestra. No toda investigación requiere muestra, pues existen las investigaciones censales que estudian a todos los sujetos de la población, lo que a nivel de representatividad es la más exacta, pues ninguna muestra es más completa que la totalidad. La muestra viene a ser una parte de la población, allí se va a realizar la investigación y a partir de ella, se van a generalizar los resultados al íntegro del universo estadístico, razón por la cual, el investigador deberá asegurarse “de que refleja los atributos, propiedades y características del universo”. El llamado universo es una población básica teórica sobre la cual los estadísticos han creado toda la teoría del muestro. Este se suele asimilar a la población más amplia que se quiere conocer en un estudio pero que por razones prácticas no es posible de alcanzar. Los procedimientos probabilísticos pueden ser: aleatorio simple, aleatorio estratificado y aleatorio sistemático. Los procedimientos de muestreo no probabilístico pueden ser: muestreo accidental y muestreo por cuotas. 1.0 ¿QUÉ ES LA POBLACIÓN? Se define como población al universo estadístico. Está constituida por el conjunto de individuos o de objetos de quienes el investigador necesita conocer algo. En los trabajos de investigación es esencial, desde la etapa de planificación, identificar adecuadamente la población, vale decir, delimitarla de acuerdo al tema – problema. La población es condición indispensable para seleccionar la muestra. No toda investigación requiere muestra, pues existen las investigaciones censales que estudian a todos los sujetos de la población, lo que a nivel de representatividad es la más exacta, pues ninguna muestra es más completa que la totalidad. En una investigación censal, en vez de referirnos a la muestra, es más apropiado hablar de ámbito. Ahora bien, tratándose de investigaciones no censales, la determinación de la muestra es forzosa.
- 2. 2 La población se define como el conjunto o la totalidad de elementos – personas, objetos – que tiene al menos una característica común susceptible de estudio, observación o medición. Se llama población asequible aquella que permite tomar una muestra representativa de ella y por lo cual puede inferir que las observaciones realizadas sobre los elementos que la componen no presenta diferencias significativas y que estas diferencias se deben al azar. Al darse estas condiciones, los resultados de las observaciones se pueden generalizar a la población que les dio origen. El llamado universo es una población básica teórica sobre la cual los estadísticos han creado toda la teoría del muestro. Este se suele asimilar a la población más amplia que se quiere conocer en un estudio pero que por razones prácticas no es posible de alcanzar. Las poblaciones suelen clasificarse en finitas e infinitas de acuerdo con la posibilidad de definir su contenido total, el cual se denomina marco muestral. La población finita es aquella que se puede limitar, como el número de estudiantes de cierta institución educativa, o una ciudad determinada. La población infinita es aquella cuyo límite no se puede establecer con claridad como el número de mosquitos en la ciudad. El muestreo es el procedimiento estadístico mediante el cual es posible identificar las características de una población, con base de unos pocos constituyentes de dicha población. Por tanto, la muestra constituye un subconjunto del conjunto total o población. En los casos que la población esté compuesta por un número relativamente alto de unidades. Será prácticamente imposible, por razones de tiempo y de costos, y por que no es en realidad imprescindible, examinar cada una de las unidades. Cuando se selecciona algunos de los elementos con la intención de averiguar algo sobre la población de la cual están tomados, nos referimos a ese grupo de elementos como muestra. 2.0 ¿QUÉ ES MUESTRA POBLACIONAL? La muestra viene a ser una parte de la población, allí se va a realizar la investigación y a partir de ella, se van a generalizar los resultados al íntegro del universo estadístico, razón por la cual, el investigador deberá asegurarse “de que refleja los atributos, propiedades y características del universo”. Esta es la condición denominada representatividad. “Una muestra representativa es aquella que tiene todas, o casi todas las características de su universo. Toda muestra sólo da información de aquella población de la cual ha sido extraída.” 1 Para seleccionar una muestra, lo primero es definir la unidad de análisis (personas, animales, plantas, organizaciones, empresas, bancos, colegios, etc.). Una vez que se ha definido cuál será la unidad de análisis, se procede a delimitar la población que va a ser estudiada y sobre la cual pretende generalizar los resultados. Por ejemplo en el trabajo de investigación se ha planteado como objetivo: “Descubrir los factores 1 AVILA ACOSTA. Roberto. Op. cit. p.p. 42.
- 3. 3 que influyen en el consumo de drogas de los adolescentes”. La unidad de análisis se define como: Los adolescentes. Pero ¿de qué población se trata? ¿De todos los adolescentes de América Latina?, ¿De todos los adolescentes del Perú?, mientras que los límites de la población: Todos los adolescentes del Cercado de Lima Metropolitana, que cursan el Quinto de secundaria, en el colegio públicos del turno mañana. M U E S T R A LIMIT ES DE POBL ACIÓN Adolescentes d el cercado de Lima Metropolita na, que cursan el 5to. de secun daria, en colegio s públicos del tur no mañana. POBLACIÓN DE ADOLESCENTES DEL PERÚ M U E S T R A LIMIT ES DE POBL ACIÓN Adolescentes d el cercado de Lima Metropolita na, que cursan el 5to. de secun daria, en colegio s públicos del tur no mañana. POBLACIÓN DE ADOLESCENTES DEL PERÚ 3.0 CARÁCTERÍSTICAS DEL MUESTREO En el diseño de investigación se debe tener muy en cuenta el diseño muestral, selección aleatoria de unas unidades concretas de la población (entendida como el conjunto de unidades para las que se desea obtener cierta información) con el objeto de representarla, ya que de ello dependerá la calidad de la información que se recoja. La muestra dependerá del problema y los objetivos principales de la investigación, así como de la estrategia de investigación que se haya escogido. Para elegir la muestra es necesario, en primer lugar, identificar la población de estudio mediante un listado que comprende las unidades de la población (es el marco). De manera que la muestra escogida sólo podrá considerarse representativa de aquellos que han tenido probabilidad de participar en la muestra. Es muy relevante, por tanto, actualizar ese listado. Una cuestión importante es el tamaño de la muestra. Éste dependerá del tiempo y los recursos disponibles, de la modalidad de muestreo seleccionada (que también influye en la estrategia), de la diversidad de los análisis de datos previos, la varianza o heterogeneidad poblacional (a mayor heterogeneidad, mayor tamaño muestral), el margen de error máximo admisible (a mayor tamaño de la muestra mayor precisión, el error interviene cuando el diseño muestral es probabilístico, fijando el investigador el error a priori) y el nivel de confianza de la estimación (también sólo para diseños
- 4. 4 probabilísticos, aumentar mínimamente el nivel de confianza supone aumentar más del doble las unidades de la muestra). La buena calidad de una muestra depende de su representatividad y amplitud. La representatividad depende, en gran medida, de su tamaño, como hemos visto. Sin embargo, la amplitud de la muestra en muchas ocasiones no es suficiente para que sea buena porque puede contener errores, distorsiones. Dado que la muestra sólo constituye una parte de la población siempre existirá alguna divergencia entre las estimaciones o valores obtenidos de la muestra y los parámetros o valores de la población, esto se denomina error muestral. 3.1 Leyes del muestreo El método de muestreo se basa en ciertas leyes que le otorgan su fundamento científico, las cuales son: 1. Ley de los grandes números. Si en una prueba, la probabilidad de un acontecimiento o suceso es P, y si éste se repite una gran cantidad de veces, la relación entre las veces que se produce el suceso y la cantidad total de pruebas (es decir, la frecuencia F del suceso) tiende a acercarse cada vez más a la probabilidad P. 2. Cálculo de probabilidades. La probabilidad de un hecho o suceso es la relación entre el número de casos favorables (p) a este hecho con la cantidad de casos posibles, suponiendo que todos los casos son igualmente posibles. El método de establecer la probabilidad es lo que se denomina cálculo de probabilidad. De estas dos leyes fundamentales de la estadística, se infieren aquellas que sirven de base más directamente al método de muestreo: Ley de la regularidad estadística. Un conjunto de n unidades tomadas al azar de un conjunto N, es casi seguro que tenga las características del grupo más grande. Ley de la inercia de los grandes números. Esta ley es contraria a la anterior. Se refiere al hecho de que en la mayoría de los fenómenos, cuando una parte varía en una dirección, es probable que una parte igual del mismo grupo, varíe en dirección opuesta. Ley de la permanencia de los números pequeños. Si una muestra suficientemente grande es representativa de la población, una segunda muestra de igual magnitud deberá ser semejante a la primera; y, si en la primera muestra se encuentran pocos individuos con características raras, es de esperar encontrar igual proporción en la segunda muestra. 3.2 Ventajas y limitaciones del uso de muestras Entre las ventajas del uso de muestras tenemos:
- 5. 5 Costo reducido. Resulta obvio que si no se estudia la totalidad de sujetos sino una muestra de ellos, los recursos financieros, materiales, personal, etc. necesarios para hacer la investigación serán menores. Mayor rapidez. de igual forma, la recolección de la información se hará en menos tiempo. Mayor exactitud. Al estudiar una muestra se reduce el volumen de trabajo, por lo cual es posible entonces emplear personal más capacitado, supervisar con mayor cuidado las actividades de campo, el procesamiento de los datos, y de esta forma obtener resultados más exactos que los que obtendríamos de estudiar toda la población. Mayores posibilidades. Existen casos en los cuales no es posible estudiar toda la población, como por ejemplo, cuando ésta es infinita o muy grande o cuando el proceso de medida para estudiar la característica deseada es destructivo (determinar la dosis letal de una droga por ejemplo, o al consumir un artículo para juzgar sobre su calidad). En ese caso solo es posible estudiar una muestra. En cuanto a las limitaciones de utilizar muestras debemos indicar: No se debe emplear muestras cuando la población es muy pequeña La teoría del muestreo es compleja y no es del dominio de la mayoría de los investigadores, por lo que con frecuencia deben buscar apoyo en especialistas en la materia. 4.0 SELECCIÓN DE LA MUESTRA Para seleccionar una muestra lo primero que hay que hacer es definir la unidad de análisis. El “quienes van a ser medidos” depende de precisar claramente el problema a investigar y los objetivos de la investigación. Una vez definida la unidad de análisis, hay que delimitar la población que va a ser estudiada y sobre la cual se pretende generalizar los resultados. La población es el conjunto total de las unidades de análisis. Un estudio no será mejor por tener una población más grande, sino que la calidad del trabajo estriba en delimitar claramente la población con base a los objetivos del estudio. Las poblaciones deben situarse claramente en torno a sus características de contenido, lugar y en el tiempo. La muestra suele ser definida como un subgrupo de la población. Es el conjunto de la población construido de manera tal que conserva las características más relevantes de la población. Existen dos tipos de muestra: Muestras probabilísticas. En estas, todos los elementos de la población tienen la misma posibilidad de ser escogidos. Se obtiene definiendo las características de la población, el tamaño de la muestra y a través de una selección aleatoria y/o mecánica de las unidades de análisis. para garantizar que la probabilidad exista hay que tomar ciertos requisitos, tales como “el azar estadístico”, este implica garantizar que un criterio de sorteo sea utilizado para elegir la muestra.
- 6. 6 Muestras no probabilísticas. La elección de los elementos no depende de la probabilidad, sino de causas relacionadas con las características del investigador o del que hace la muestra. No permite establecer probabilidades iguales, hay un sesgo. Elegir entre una muestra probabilística y una no probabilística se determina con base en los objetivos de estudio, el esquema de la investigación y el alcance de sus contribuciones. En cuanto al tamaño de la muestra (tanto probabilística como no probabilística) depende de: 1. Disposición poblacional o variabilidad. No podemos asumir la homogeneidad de la población, por lo tanto la muestra tiene que representar la heterogeneidad de la población. (cuánto más heterogénea es la población, nás grande va a ser la muestra). 2. El nivel de confianza (significación estadística). Asociado a la probabilidad del éxito, si yo quiero un mayor nivel de confianza necesito agrandar el tamaño de la muestra. 3. El error de estimación. Para tener un menor error de estimación, debo aumentar el tamaño de la muestra. A partir de estos 3 criterios elijo el tamaño de la muestra (“n”), no necesariamente el “n” más grande es mejor, depende también de la manera en que fueron seleccionados los casos. Existen “errores muestrales” (es un problema de estimación, por ejemplo si usaste un nivel de confianza menor del que necesitabas) y “no muestrales” (cuestiones de relevamiento, por ejemplo, si en los cuestionarios hay preguntas ambigüas) estos últimos no se pueden medir. 5.0 TIPOS DE MUESTREO: Procedimientos Probabilísticos y No Probabilísticos 5.1 Procedimientos Probabilísticos En términos muy simples se puede decir que existen dos procedimientos básicos para seleccionar el tipo de muestreo más apropiado para determinado tipo de problema. Mediante estos procedimientos el criterio fundamental es la selección aleatoria o al azar, donde cada uno de los miembros de la población tiene igualdad de oportunidades de ser incluidos en la muestra. Esto se obtiene definiendo las características de la población, el tamaño de la muestra y a través de una selección aleatoria y/o mecánica de las unidades de análisis (Hernándezy otros 2006). Sólo los métodos de muestreo probabilísticos nos aseguran la representatividad de la muestra extraída y son, por tanto, los más recomendables. Dentro de estos procedimientos se tiene las siguientes técnicas.
- 7. 7 5.1.1 Aleatorio Simple El muestreo aleatorio simple garantiza, que cada una de las unidades de la población tenga la misma oportunidad de aparecer en la muestra. La técnica consiste en seleccionar a cada sujeto totalmente al azar. Este tipo de muestreo es quizás el más conocido de todos. Un aspecto básico y a la vez esencial es el supuesto de que cada uno de los miembros de una población tiene iguales posibilidades de pertenecer a la muestra. Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la población que estamos manejando es muy grande. Este tipo de muestreo implica los siguientes pasos: a) Definir la población, es decir, con quienes o con qué se va a trabajar (sujetos o eventos). b) Confeccionar un listado ya sea alfabético o numérico de cada uno y todos los miembros de la población definida. c) Seleccionar la muestra por medio de un procedimiento donde el simple azar determina cuales son los miembros que van a constituir la muestra. d) Cuando se tiene los nombres o números de cada uno de los miembros de la población, éstos son introducidos en un ánfora, bolsa o sombrero, se les mezcla lo suficiente y luego se procede a extraer uno a uno los papeles hasta completar el número de sujetos fijados como tamaño de la muestra. Entre las ventajas del diseño aleatorio simple se tiene: 1. Requiere un conocimiento previo mínimo de la población. 2. Libre de errores de clasificación posibles. 3. Es fácil analizar los datos y computar errores. Entre las desventajas del diseño aleatorio simple se consideran: 1. No usa el conocimiento de la población que pudiera tener el investigador. 2. Errores más grandes para el mismo tamaño de la muestra que un muestreo estratificado. 5.1.2 Aleatorio Estratificado Este tipo de muestreo que tiene el mismo procedimiento que el aleatorio simple, con la diferencia que la población es subdividida en grupos o estratos más pequeños uniformes, conforme a los valores de alguna variable. Como puede ser la ocupación, el grado de instrucción, el status económico, etc. De cada estrato se selecciona al azar las muestras que corresponda. La distribución de la muestra en función de los diferentes estratos se denomina afijación, y puede ser de diferentes tipos:
- 8. 8 Afijación simple: A cada estrato le corresponde igual número de elementos muéstrales. Afijación proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la población en cada estrato. Afijación óptima: Se tiene en cuenta la previsible dispersión de los resultados, de modo que se considera la proporción y la desviación típica. Tiene poca aplicación ya que no se suele conocer la desviación. Ejemplo: Entrevistar y aplicar un cuestionario a los trabajadores de una universidad x. Podrá dividirse a la población en docentes y empleados. Para la elección de los sujetos al interior de cada muestra de cada uno de los estratos debe realizarse la técnica del muestreo aleatorio simple. El asunto está en determinar ¿cuántos individuos habrá que elegir si la población de “trabajadores” es de 1000 individuos en total? El estrato de docentes es igual a 450 y el de empleados a 550. Se busca un nivel de confiabilidad del 90% y un 5% de precisión con la máxima variabilidad. 22 2 ZNe NZ n Donde: N = Tamaño de la población n = Tamaño de la muestra Z = Nivel de confianza e = Precisión de error 521 225.5 5.2722 )65.1()05.0()1000( )1000()65.1( n 22 2 Para saber cuantos individuos elegiremos para la muestra por cada estrato, dividiremos cada subgrupo entre la población total y luego, el producto lo multiplicaremos por el tamaño de la muestra. Primer estrato (docentes) = 450/1000 * 521 = 234 Segundo estrato (empleados) = 550/1000 * 521 = 287 POBLACIÓN Tamaño de población por estratos Tamaño de muestra por estratos Docentes 450 234 Empleados 550 287 Total 1000 521 Entre las ventajas del diseño aleatorio estratificado se tiene: 1. Asegura la representatividad con respecto a la propiedad que forma la base de las unidades de clasificación por lo tanto, produce menos variabilidad que A o C. 2. Reduce la posibilidad de no incluir miembros de la población por el proceso de clasificación.
- 9. 9 3. Pueden estimarse las características de cada estrato, razón por la cual es posible hacer comparaciones. Entre las desventajas del diseño aleatorio estratificado se consideran: 1. Requiere información precisa sobre la proporción de la población en cada estrato de otra forma, incrementa el error 2. Si no se dispone de listas estratificadas, puede ser costoso prepararlas existe la posibilidad de tener una clasificación errónea y, por tanto, un incremento en la variabilidad. 5.1.3 Aleatorio Sistemático En un muestreo aleatorio sistemático se elige un individuo al azar y a partir de él, a intervalos constantes, se eligen los demás hasta completar la muestra. Para poder llevar a cabo un muestreo de este tipo, el investigador debe seguir los siguientes pasos: a) Conocer cuántos sujetos conforman el total de la población (N). b) Decidir cuántos sujetos van a conformar la muestra (n). c) Se divide N/n para poder determinar el llamado intervalo de muestreo (k) que luego es aplicado a la lista de los sujetos de la población. d) El primer miembro de la muestra se selecciona aleatoriamente del primer intervalo k de miembros de la lista de la población, los siguientes miembros de la muestra son elegidos cada k miembros de la lista. K = N/n ; Donde: K = Es la constante de intervalo. N = Número total de unidades que componen la población. n = Número total de unidades que integran la muestra. Ejemplo: Supongamos que se tienen 500 sujetos en la población y que se desea una muestra de un tamaño de 50; entonces tenemos que el intervalo será: 10 50 500 ; n N K En el cálculo del número sistemático se divide la población entre la muestra y el producto indicará cada cuantos sujetos debemos elegir uno para la muestra. La población es de 500 y la muestra nos indica que debemos elegir sólo 50 de ellos. Para elegirlos dividiremos 500 entre 50, así obtendremos que de cada diez sujetos debemos elegir uno para la muestra. El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la población ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una
- 10. 10 homogeneidad que no se da en la población. Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 últimos mujeres, si empleamos un muestreo aleatorio sistemático con k=10 siempre seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una representación de los dos sexos. Entre las ventajas del diseño aleatorio sistemático se tiene: 1. Si la población está ordenada con respecto a la propiedad pertinente, da un efecto de estratificación y, por tanto, reduce la variabilidad comparada con A. 2. Simplicidad para trazar muestra fácil de revisar. Entre las desventajas del diseño aleatorio sistemático se consideran: 1. Si el intervalo de la muestra se relaciona con un ordenamiento periódico de la población, se puede presentar un incremento de variabilidad 2. Es probable que los estimadores del error sean altos donde hay un efecto de estratificación. 5.1.4 Aleatorio por Conglomerados Los métodos presentados hasta ahora están pensados para seleccionar directamente los elementos de la población, es decir, que las unidades muéstrales son los elementos de la población. En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la población que forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, 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 áreas geográficas suele hablarse de "muestreo por áreas". El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto número de conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en investigar después todos los elementos pertenecientes a los conglomerados elegidos. Entre las ventajas del diseño aleatorio por conglomerados se tiene: 1. Si los conglomerados se eligen siguiendo criterios geográficos, da lugar a costos de campo más bajos. 2. Sólo necesita el listado de individuos en los conglomerados seleccionados. 3. Es posible estimar las características de los conglomerados y las de la población. 4. Se pueden usar para muestras subsecuentes, ya que se eligen conglomerados, no individuos, y es permisible la sustitución de éstos. Entre las desventajas del diseño aleatorio sistemático se consideran:
- 11. 11 1. Errores más grandes en tamaños comparables que con otras muestras probabilísticas 2. Requiere habilidad para asignar cada miembro de la población a un conglomerado la incapacidad de hacerlo puede generar la duplicación u omisión de individuos 5.2 Procedimientos No Probabilístico Mediante estos procedimientos se seleccionan las muestras según el criterio o criterios del investigador conforme a las circunstancias lo sugieran o lo permitan. No se conoce la probabilidad de cada uno de los elementos de una población de poder ser seleccionados en una muestra. En algunas circunstancias los métodos estadísticos y epidemiológicos permiten resolver los problemas de representatividad aun en situaciones de muestreo no probabilístico, por ejemplo los estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la población. Este procedimiento de muestreo no autoriza a generalizar a la población (puede aplicarse a las investigaciones exploratorias, estudios de casos u otra que no se pretende generalizar. ¿Cuándo utilizar el muestreo no probabilístico? Este tipo de muestreo puede ser utilizado cuando se quiere mostrar que existe un rasgo determinado en la población. También se puede utilizar cuando el investigador tiene como objetivo hacer un estudio cualitativo, piloto o exploratorio. Se puede utilizar cuando es imposible la aleatorización, como cuando la población es casi ilimitada. Se puede utilizar cuando la investigación no tiene como objetivo generar resultados que se utilicen para hacer generalizaciones respecto de toda la población. También es útil cuando el investigador tiene un presupuesto, tiempo y mano de obra limitados. Esta técnica también se puede utilizar en un estudio inicial que será llevado a cabo nuevamente utilizando un muestreo probabilístico aleatorio. 5.2.1 Muestreo por cuotas o accidental El muestreo por cuotas, también denominado en ocasiones accidental; se asienta generalmente sobre la base de un buen conocimiento de los estratos de la población y/o de los individuos más "representativos" o "adecuados" para los fines de la investigación. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de aleatoriedad de aquél. En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos que reúnen unas determinadas condiciones
- 12. 12 Consiste en la selección de los individuos para la muestra de manera arbitraria. Por ejemplo, en el caso de una investigación sobre los niños denominados “pirañitas” en la ciudad de Lima. Obviamente se trata de una población, a la que es muy difícil tener acceso. En consecuencia el investigador tendrá que encuestar o entrevistar a cualquiera que se encuentre allí. En otro ejemplo se seleccionan 20 individuos de 25 a 40 años, de sexo femenino y residentes en Gijón. Una vez determinada la cuota se eligen los primeros que se encuentren que cumplan esas características. Este método se utiliza mucho en las encuestas de opinión. 5.2.2 Muestreo intencional o de conveniencia Es aquel en el que se determina una cantidad (cuota) de individuos de una población para que sean miembros de la muestra. No hay un procedimiento especial para determinar la cuota. Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras "representativas" mediante la inclusión en la muestra de grupos supuestamente típicos. Es muy frecuente su utilización en sondeos preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto. También puede ser que el investigador seleccione directa e intencionadamente los individuos de la población. El caso más frecuente de este procedimiento el utilizar como muestra los individuos a los que se tiene fácil acceso (los profesores de universidad emplean con mucha frecuencia a sus propios alumnos). Se puede decir que el criterio para su determinación es arbitrario, simplemente se puede encuestar a 200 personas, 100 hombres y 100 mujeres (50% hombres adultos y 50% hombres jóvenes; 50% mujeres adultos y 50% mujeres jóvenes) que comportan ciertas características específicas. 5.2.3 Muestreo bola de nieve El método de muestreo de bola de nieve (o muestreo por referidos) es un método de muestreo no probabilístico. El muestreo se realiza sobre poblaciones en las que no se conoce a sus individuos o es muy difícil acceder a ellos. Podrían ser los casos de sectas secretas, indigentes, grupos minoritarios, etc. Se llama muestreo de bola de nieve porque cada sujeto estudiado propone a otros, produciendo un efecto acumulativo parecido al de la bola de nieve. El muestreo de bola de nieve se utiliza cuando se va a estudiar a una población a la que es muy difícil acceder, como por ejemplo cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
- 13. 13 El investigador conoce algún componente de la población y a través de ellos va completando la muestra. El investigador depende mucho de la información que pueda obtener de los sujetos que estudia, y podría darse el caso de que se quede con muy pocos individuos en la muestra. 5.2.4 Muestreo discrecional El método de muestreo discrecional (o muestreo por juicio) es un método de muestreo no probabilístico. Los sujetos se seleccionan a base del conocimiento y juicio del investigador. El investigador selecciona a los individuos a través de su criterio profesional. Puede basarse en la experiencia de otros estudios anteriores o en su conocimiento sobre la población y el comportamiento de ésta frente a las características que se estudian. Por ejemplo, supongamos que un investigador va a realizar un estudio sobre el nivel de satisfacción del profesorado de cierta universidad. El estudio se suele realizar cada dos años, por lo que el responsable del estudio, gracias a su experiencia y sus antecedentes, sabe perfectamente cuál puede ser la mejor muestra para el estudio. En otro ejemplo a un coordinador le encomiendan un estudio del nivel de satisfacción de los alumnos con un determinado profesor. El investigador, que conoce a todos los alumnos de esa clase, decide utilizar el muestreo discrecional seleccionando a los alumnos que cree que serán los más representativos. Este tipo de muestreo se utiliza cuando el responsable del estudio conoce estudios anteriores similares o idénticos y sabe con precisión que la muestra que utilizaron fue útil para el estudio. Asimismo, se puede utilizar cuando la población es muy reducida y conocida por el investigador.