Las unidades de análisis o los elementos muestrales se eligen siempre aleatoriamente para asegurarnos de que cada elemento tenga la misma probabilidad de ser elegido.

Se determina el tamaño de la muestra n, pero ¿cómo seleccionar los elementos muestrales? (ya sean casos o racimos)

Cuando iniciamos nuestra exposición sobre la muestra probabilística, señalamos que los tipos de muestra dependen de dos características: el tamaño de la muestra y el procedimiento de selección

Después se hacen fichas o papeles, uno por cada elemento, se revuelven en una caja y se van sacando n número de fichas, según el tamaño de la muestra

Muy simple pero muy rápido, consiste en numerar todos los elementos muestrales de la población, del uno al número N

Cuando nuestro muestreo es estratificado, se sigue el procedimiento anterior, pero por cada estrato

Éste es el procedimiento que se encuentra en el centro de recursos en línea: Documento 1 “Cálculo de muestra

Una excelente alternativa para generar números aleatorios se encuentra en el programa STATS®, que contiene un subprograma para ello (Random Number Generator) y evita el uso de la tabla de números aleatorios

El programa pide que le indiquemos cuántos números aleatorios requerimos

Así, tenemos que K = N/n, en donde K = un intervalo de selección sistemática, N = la población y n = la muestra

Este procedimiento de selección es muy útil e implica elegir dentro de una población N un número n de elementos a partir de un intervalo K

Las muestras probabilísticas requieren la determinación del tamaño de la muestra y de un proceso de selección aleatoria que asegure que todos los elementos de la población tengan la misma probabilidad

Es un marco de referencia que nos permite identificar físicamente los elementos de la población, así como la posibilidad de enumerarlos y seleccionar las unidades muestrales

Un gerente de reclutamiento y selección de una empresa quiere precisar si ciertos datos que se presentan en una solicitud de trabajo están correlacionados con el absentismo del empleado.

Es decir, si a partir de información como edad, género, estado civil, nivel educativo y duración en otros trabajos es factible predecir la conducta de absentismo

Para establecer correlaciones se considerará como
población a todas las personas contratadas durante los últimos 10 años

Se relacionan los datos en las solicitudes de empleo con los registros de faltas

Como no hay una lista elaborada de estos individuos, el investigador decide acudir a los archivos de las solicitudes de empleo

Tales archivos constituyen su marco muestral a partir del cual se obtendrá la muestra

Determina el tamaño de la población, obtiene el tamaño de la muestra y selecciona sistemáticamente cada elemento 1/K (solicitud que será analizada)

Obviamente, en el archivo habrá solicitudes de gente que no fue contratada y, por tanto, no debe considerarse en el estudio

En la actualidad hay mapas de todo tipo: mercadológicos, socioculturales, étnicos, marítimos, entre otros

El Global Positioning System (GPS) o sistema de posicionamiento global puede ser muy útil para esta clase de muestreo

El mapa le permite ver la población y su localización geográfica, de manera que elige zonas donde coexistan diferentes tiendas competidora, para asegurarse de que el consumidor de la zona tenga todas las posibles alternativa

Los mapas son muy útiles como marco de referencia en muestras de racimos

Debemos recordar que en el caso de los experimentos, la muestra representa el balance entre un mayor número de casos y el número que podamos manejar

Recordemos que la mayoría de
las pruebas estadísticas exigen 15 casos como mínimo por grupo de comparación (HernándezSampieri et al., 2013 y Mertens, 2010

El tamaño de una muestra depende también del número de subgrupos que nos interesan en una población.

Además, resulta obvio que en ciertos fenómenos el tamaño de la muestra varía en función de qué tan homogéneo o heterogéneo es el universo considerado

Recordemos que lo óptimo de una muestra depende de cuánto se aproxima su distribución a la distribución de las características de la población

Esta aproximación mejora al incrementarse el tamaño de la muestra

Cuando las muestras están constituidas por 100 o más elementos tienden a presentar distribuciones normales y esto sirve para el propósito de hacer estadística inferencial
(generalizar de la muestra al universo)

A lo anterior se le llama teorema central del
límite (Kish, 1995): señala que una muestra de más de cien casos será una muestra con una distribución normal en sus características, lo cual sirve para el propósito de hacer estadística inferencial

Se utilizan en diversas investigaciones cuantitativas y cualitativa

La ventaja de una muestra no probabilística —desde la visión cuantitativa— es su utilidad para determinados diseños de estudio que requieren no tanto una “representatividad” de elementos de una población, sino una cuidadosa y controlada elección de casos con ciertas características especificadas previamente en el planteamiento del problema

También llamadas muestras dirigidas, suponen un procedimiento de selección orientado por las características de la investigación, más que por un criterio estadístico de generalización

Para el enfoque cualitativo, al no interesar tanto la posibilidad de generalizar los resultados, las muestras no probabilísticas o dirigidas son de gran valor, pues logran obtener los casos (personas, objetos, contextos, situaciones) que interesan al investigador y que llegan a ofrecer una gran riqueza para la recolección y el análisis de los datos

Involucra identificar áreas geográficas —para ser muestreadas al azar— y sus correspondientes códigos telefónicos e intercambios (los primeros dígitos del número telefónico que las identifican

Luego, los demás dígitos del número que se va a marcar pueden ser generados al azar de acuerdo con los casos que requerimos para la muestra (n)

Ésta es una técnica que los investigadores utilizan para seleccionar muestras telefónicas

Es posible reconocer qué intercambios son usados de forma primaria para teléfonos residenciales y enfocar el muestreo en ese subgrupo (Kreuter, 2013)

Asimismo, es muy útil para incluir en muestras a teléfonos celulares o móviles y aparatos con GPS (Hernández-Sampieri et al., 2013)

La mayor parte de las veces, las investigaciones experimentales utilizan muestras dirigidas, porque como se comentó, es difícil manejar grupos grandes o múltiples casos (debido a ello se ha insistido que, en los experimentos, la validez externa se consolida mediante la repetición o reproducción del estudio)

Las investigaciones no experimentales descriptivas o correlacionales-causales deben emplear muestras probabilísticas si quieren que sus resultados sean generalizados a la población

Los estudios exploratorios regularmente emplean muestras dirigidas, aunque podrían usarse muestras probabilísticas

Asimismo, en ocasiones la muestra puede ser en varias etapas (polietápica)

Ya sea que se trate de un tipo de muestreo u otro, lo importante es elegir a los casos adecuados, de acuerdo con el planteamiento del problema y lograr el acceso a ellos