Hay dos grandes métodos de muestreo: Probabilístico y no probabilís- tico.
a) Muestreo probabilístico
Este es el tipo de muestreo más objetivo y científico. Un requisito del muestreo probabilístico es que cada unidad en la población tenga una probabilidad igual y conocida a ser seleccionada para la muestra. El criterio de investigador no debe influir en la selección de los informan- tes. Hay varias formas de muestreo:
Muestreo simple al azar
Es el tipo más básico. Implica seleccionar informantes completamente al azar; es tal como si los nombres se sacarán de un sombrero. Ob- viamente, esto requiere un marco de muestreo perfecto; es decir, una lista completa de todas las unidades en el universo.
Muestreo estratificado al azar
Implica primero agrupar la población en segmentos homogéneos y luego hacer el muestreo de datos de cada segmento o estrato.
Muestreo de agregados
Implica tomar muestras de grupos de entrevistados como unidad y no como elemento individual. Con el fin de lograr eficiencia en entrevistas de muestreo a muestreo.
Muestreo sistemático
Se incluye cada n-ésimo elemento de la población en la muestra. Este es un procedimiento común que se puede combinar con un muestreo de agregados y muestreo estratificado.
La ventaja principal del muestreo probabilística es su precisión. Es el mejor camino para desarrollar una muestra que sea perfectamente representativa de la población. El muestreo probabilística tiene varias desventajas importantes que resulta su utilización amplia:
a) Para seleccionar una muestra probabilística es necesario tener una lista o un marco de muestreo, correspondiente a toda la po- blación.
b) A pesar de los mejores intentos de muestreo, los errores de no respuesta pueden afectar la precisión del resultado.
c) El muestreo probabilística es muy costoso de realizar, es espe- cial para estudios de muestra a muestra.
Errores
Si bien es cierto que buenos métodos de muestreo pueden producir resultados muy costosos, ninguna muestra es absolutamente precisa.
Ejemplo 1.17
Supongamos que una muestra probabilística local indica que el 40% de los hogares entrevistados se tiene un gato para erradicar las ratas transmisoras del virus Hanta. Es poco probable que un censo de todos los hogares revele que exactamente en el 40% de ellos haya un gato. Si la muestra original fue bien tomada, bien ejecutada y fue suficiente- mente grande hay una buena probabilidad de que el número real de hogares con gatos, revelado al censo esté cerca del 40%; pero proba- blemente no será exacta mente esa cifra.
Estos errores o diferencias entre los resultados de la encuesta y las cifras comparables de la población, viene de dos fuentes: factor de muestreo y factor no muéstrales.
Error de muestreo
En el ejemplo 1.17 sobre posesión de gatos es posible medir el error muestral del estudio y anexar un límite de confianza a la cifra de la encuesta, a fin de estimar los datos de la población total.
Supongamos que el estudio sobre la posesión de gatos ha utilizado una muestra probabilística de 1000 hogares. En este caso la cifra de 40 por ciento de poseedores de gatos tendría un intervalo de más o menos 3 por ciento a un nivel de confianza del 95 por ciento. En otras pala- bras las probabilidades son 95 en 100 de que el intervalo de confianza incluya el verdadero porcentaje de hogares que poseen gatos, en la población total.
Eso es el error de muestreo: el intervalo que debe anexarse a cualquier resultado de una encuesta, debido a que proviene de una muestra. Las muestras grandes tienen menos errores de muestreo que las mues- tras pequeñas.
Error no muestral
La importancia y el impacto del error no muestral generalmente son sub-estimados por los investigadores, Entre los errores no muéstrales se pueden mencionar lo siguiente:
a) Incapacidad de localizar informantes correctos.
b) Negativa de los informantes a empezar la investigación.
c) Terminación de la encuesta por los informantes durante la in- vestigación porque consideran que es muy larga, muy tediosa.
d) Mentiras intencionales de los informantes. e) Mala memoria, suposiciones insesgadas. f) Mal entendimiento del procedimiento. g) Manipulación por parte del investigador. h) Sesgos introducidos por el investigador. i) Errores de anotación.
j) Errores de codificación.
Es decir, la precisión de los mejores métodos de muestreo probabilísti- co pueden anularse por algún problema de alguna de estás áreas. Sin embargo, el impacto de estos errores potenciales no muéstrales en mayor parte se pasa por alto en todo muestreo. Para solucionar los errores muéstrales, consiste básicamente en una planeación cuidadosa y una atención estrecha a los detalles de realización del proyecto. Error en la predicción
En un diagrama de dispersión en el que no todos los puntos caen en la línea de regresión. Si todos los puntos hubiesen caído sobre la recta y si la cantidad de observaciones hubiera sido lo suficientemente gran- de, no se habría dado error en la predicción del proceso. La predicción perfecta es prácticamente inexistente. Aún en los casos que nos ocupa, existen factores que no son de predicción perfecta, quizás se deba a causas de imperceptibilidad en la composición de los factores.
Lo que necesita, entonces, es una medida que pudiera indicar hasta qué punto es precisa la predicción de Y, basada en X, o viceversa, cuán imprecisa podría ser. Esta medida se llama error de estimación.
2
2 N Y Y Syx pSyxrepresenta la desviación estándar de las Y sobre la base de las X. Esta medida de error es similar a la desviación estándar que mide la dispersión alrededor de un promedio; el error de la estimación mide la dispersión alrededor de una línea promedio, llamada línea de regre- sión.
b) Muestreo no probabilístico
Muestreo por conveniencia
Deja la selección de los informantes primordialmente a los investiga- dores.
Muestreo por criterio
Implica seleccionar únicamente cierto tipo de informantes para parti- cipar en el estudio.
Muestreo por cuotas
Se estructura la muestra de tal modo que incluya números específicos de informantes con características que se sabe o se cree que afecta al tema de la investigación.