-small.jpg&w=96&q=75){kind=small}
Imagina que quieres hacer un estudio de mercado para ver cuánta gente utiliza auriculares inalámbricos y necesitas tener datos de toda la población de un país con una población de, pongamos, 50 millones de personas. ¿Qué harías? ¿Ir persona a persona para ver si utilizan auriculares inalámbricos hasta tener a los 50 millones?
Esto es poco eficiente. Más que nada que para cuando terminaras, ya habrían inventado auriculares cuánticos. Lo que seguramente vas a tener que hacer es seleccionar una pequeña muestra representativa de la población total y ver si usan o no estos auriculares.
Es decir, cogerías a, por ejemplo, 1.000 personas y analizarías los resultados a la espera de poder extrapolarlos a la población general. Si de estas 1.000, 230 utilizan auriculares inalámbricos, aplicas la proporción y tienes que de los 50 millones, seguramente y según el estudio estadístico, tienes que 11 millones y medio de personas usan estos auriculares.
Esto es lo que en estadística se conoce como muestreo. Y en el artículo de hoy, después de ver este ejemplo para entender qué es, analizaremos sus utilidades en las ciencias sociales y de la salud y veremos qué tipos existen.
- Te recomendamos leer: “Los 5 tipos principales de diagnóstico médico (y sus características)”
¿Qué es un muestreo?
El muestreo es una técnica estadística que consiste en seleccionar una muestra pequeña dentro de una población total para obtener resultados medibles que sean extrapolables a la totalidad de esta población. Es decir, elegimos una muestra aleatoria que sea representativa del grupo completo.
Haciendo esto, no solo se ahorran recursos y tiempo, sino que permiten estudios estadísticos cuya realización sería imposible intentando tomar la total de una población, ya sea de personas o de cualquier otro factor que necesitemos cuantificar.
Evidentemente, no se obtendrá un resultado 100% fiable, pero sí representativo. Y con esto, ya tenemos más que de sobras para hacer aproximaciones, tener una imagen bastante fiel de la realidad total e iniciar los procesos tecnológicos, sociales, de marketing o científicos que necesitamos.
Si un muestreo se realiza bien (entran en juego muchísimos factores de las matemáticas y de la estadística que se escapan de la vertiente divulgativa de este artículo), podemos estar convencidos de que la probabilidad de que la muestra represente bien a la población total es muy alta.
Para ello, debemos tener muy claro cuál es el tamaño de la muestra que vamos a recoger, cuál debe ser la diversidad entre elementos, qué factores pueden distorsionar los resultados y la extrapolación, si tendremos que hacer varios muestreos o nos vale con uno, etc. Es por esta razón que los muestreos bien realizados deben cumplir con muchos requisitos para poder asegurar que es una muestra representativa y extrapolable.
En este sentido, el muestreo es parte fundamental de la estadística inferencial, la cual, en contraposición a la descriptiva, permite extrapolar resultados desde un subconjunto poblacional hasta la población total.
En resumen, un muestreo es un procedimiento estadístico que consiste en seleccionar y analizar un subconjunto representativo y más o menos aleatorio (luego entraremos en esto) de una población para extrapolar los resultados a la totalidad de la misma.
- Quizás te interese: “Los 10 tipos de análisis de sangre (y sus utilidades)”
¿Cómo se clasifican los muestreos?
Una vez entendido qué es un muestreo y por qué son tan importantes en la estadística inferencial, ya podemos entrar a analizar las particularidades de los distintos tipos. La primera división se hace en función de si el muestreo es aleatorio o no aleatorio. Y dentro de cada una de estas ramas, hay subtipos. Vamos allá.
1. Muestreo aleatorio o probabilístico
El muestreo aleatorio, también conocido como probabilístico, es el que mejor cumple con la definición que hemos dado de “muestreo”. En este caso, todos los individuos o elementos de la población pueden formar parte del subconjunto o muestra. Es decir, cualquiera puede ser seleccionado.
Como podemos intuir, es el más fiel a la realidad, pues es realmente aleatorio y, por lo tanto, representativo. Por lo tanto, este muestreo probabilístico es cuantitativo (da números muy fieles a la realidad), pero requiere de mayor inversión tanto de tiempo como de recursos económicos y materiales.
Dependiendo de cómo se realice el muestreo, esta técnica aleatoria o probabilística puede ser de diferentes subtipos: simple, estratificado, conglomerado o sistemático. Veamos sus particularidades.
1.1. Muestreo simple
El muestreo simple es aquel en el que se deja todo a manos del azar, por lo que es el que garantiza una mayor representatividad de la muestra respecto a la población total. Nos explicamos. Cogemos a toda la población y, de ella, seleccionamos una muestra.
Piensa en cuando has hecho alguna vez un amigo invisible. Todos vuestros amigos ponéis vuestros nombres en papeles dentro de una bolsa y, en cuanto están todos, cada uno saca un papel. Todo depende del azar. De toda la población completa (todos los amigos), se saca solo una muestra (un nombre).
Este es el principio que se sigue con el muestreo simple. Su ventaja es que es la técnica que da mayor aleatoriedad, pero se ha visto que solo es efectiva cuando la población total es pequeña. Si es muy grande, este muestreo simple deja de ser representativo.
1.2. Muestreo estratificado
El muestreo estratificado es aquel en el que, como su propio nombre indica, dividimos a la población total en estratos. Es decir, tomamos a una población y la dividimos en segmentos o grupos, haciendo que los integrantes de cada uno de estos estratos compartan características en común. Las propiedades a compartir dependerán del estudio que estés haciendo. Sexo, edad, ingresos mensuales, barrio, ciudad, profesión, estudios… Todo vale.
Una vez tienes a la población dividida, seleccionas muestras de cada uno de estos estratos para analizarlos individualmente y, posteriormente, extrapolar la suma de todos a la población general. Esto es útil en poblaciones grandes cuando necesitas que todos los grupos queden representados, evitando así que la muestra solo sea representativa de un segmento poblacional determinado.
1.3. Muestreo de conglomerados
El muestreo de conglomerados es una modificación del anterior. Dividimos a la población en estratos y la analizamos, pero no extrapolamos esta muestra a la población total. Es decir, segmentamos a la población como en el anterior, pero no juntamos todos estos grupos, sino que nos quedamos solo con unos en concreto.
En este sentido, los conglomerados son un subconjunto poblacional que ha sido seleccionado al azar como grupo representativo. Imagina que quieres analizar la aptitud de los profesores de una universidad. Los divides en departamentos y seleccionas uno (o unos pocos) al azar. Ese será tu conglomerado. Tu muestra a estudiar.
1.4. Muestreo sistemático
El muestreo sistemático viene a ser una variación del simple que hace posible la aleatoriedad total dentro de una población sin ser necesario segmentarla en estratos o conglomerados. El principio matemático parece más complejo, pero lo cierto es que es bastante simple.
Imagina que quieres estudiar los hábitos alimenticios de los niños de un colegio. Para tener una muestra fidedigna sin necesidad de hacer estratos necesitas 200 alumnos. Pongamos que el colegio tiene 2.000 alumnos y tienes acceso a una lista con todos ellos.
Con el muestreo sistemático, lo que hacemos es dividir el número total de alumnos (N) entre el número de alumnos que quieres en tu muestra (n), obteniendo lo que en estadística se conoce como valor k. En este caso, 2.000 dividido entre 200 nos da un valor k de 10.
Ahora, escogeríamos un número al azar entre 1 y k. Es decir, entre 1 y 10, en este caso. Pongamos que el número al azar es el 7. Cuando tienes este valor, sabes que el primer alumno de la muestra será el séptimo de la lista. Y el segundo, el 14 (7 +7). Y el tercero, el 21. Y así hasta tener un total de 200 alumnos seleccionados al azar dentro de estos 2.000.
2. Muestreo no aleatorio o no probabilístico
El muestreo no aleatorio, también conocido como no probabilístico, se separa un poco más de la definición que hemos dado de “muestreo”. El nombre es un poco injusto, ya que no es no haya en absoluto aleatoriedad, sino que es menos aleatorio que el anterior.
En este caso, no todos los integrantes de la población pueden ser seleccionados. Es decir, no estamos partiendo de una población total de la que seleccionamos una muestra, sino que partimos de una población sesgada.
Esto sucede o bien porque hay influencias de las personas que realizan el muestreo (quieren que los resultados tiren hacia un lugar concreto), porque es imposible recoger la totalidad de la población para tomar muestra totalmente azarosas o porque simplemente es más cómodo.
Como no se deja en manos tanto del azar, el muestreo no es tan riguroso. Por lo tanto, pese a que estos estudios estadísticos no requieren de tantos recursos económicos ni de tiempo, los resultados obtenidos son cualitativos, pero no cuantitativos. Es decir, permite hacer una aproximación a las características de la población total, pero no es posible (excepto casos muy concretos cuando tenemos casi toda la población) dar datos numéricos.
Dentro del muestreo no probabilístico tenemos el muestreo por conveniencia, por cuotas, el discrecional y el de “bola de nieve”. Veamos las particularidades de cada uno de ellos.
2.1. Muestreo por conveniencia
El muestreo por conveniencia es, para que nos entendamos, el tipo de muestreo de los perezosos. En este caso, de la población total, solo recogemos una muestra del grupo que tengamos más a mano. La comodidad y rapidez es mucho mayor, pero la muestra no será nunca representativa de la población total.
Imagina que quieres hacer una encuesta para ver cuánta gente fuma en tu ciudad. ¿La vas a hacer por toda tu ciudad, barrio a barrio, o simplemente vas a dar una vuelta por tu barrio para tener rápido los resultados? Seguramente, la segunda opción. Por lo tanto, en el muestreo de conveniencia, estamos sesgando la población total y recogiendo una muestra dentro de un subconjunto seleccionado no aleatoriamente, sino por cuestiones de comodidad.
2.2. Muestreo por cuotas
El muestreo por cuotas es, para que nos entendamos, el tipo de muestreo en el que parece que se domine mucho pero que esconde pereza. Imagina que queremos hacer el mismo estudio sobre personas que fuman, pero quieres investigarlo solo en un grupo poblacional concreto.
Pongamos menores de 18 años sin estudios. El muestreo es muy específico, cosa que está bien. El problema es que ya no solo este sesgo poblacional depende del autor del estudio, sino que, de nuevo, no vas a reunir a toda la población de menores de 18 años sin estudios de tu ciudad y mucho menos de tu país. Igual que pasa antes, pese a haber hecho estratos (como hacíamos en el muestreo probabilístico), la selección de la muestra no es el azar.
2.3. Muestreo discrecional
En el muestreo discrecional es directamente el investigador el que decide qué criterios va a seguir para seleccionar su muestra. No estamos partiendo de una población total y además se basa en una premisa subjetiva, pero si el investigador tiene experiencia en estudios estadísticos y sabe muy bien qué población necesita, puede ser útil en determinados estudios.
2.4. Muestreo “bola de nieve”
El muestreo “bola de nieve” o en cadena es el tipo de muestreo que se realiza cuando es difícil acceder a la totalidad de la población. Con un ejemplo es como se entiende mejor este. Imagina que quieres hacer un estudio de los patrones de sueño entre los consumidores de cocaína. Teniendo en cuenta ya no solo la peligrosidad de entrar en esta comunidad sino que la gente nunca diría que se droga, hay un problema.
El acceso se resuelve si consigues tener contacto con un consumidor de cocaína, el cual confíe en ti y quiera darte información. Este podrá ponerse en contacto con otros consumidores, a quienes les hará las preguntas que tú necesitas. Evidentemente, los resultados no son fieles a la realidad. Ya que ya no solo partes de una población de 1 consumidor (tu “infiltrado”), sino que este solo hablará con la gente con quien tenga confianza. No hay aleatoriedad por ningún lado, pero es el último recurso cuando es difícil acceder a determinadas poblaciones.
