¿Qué es una muestra?
Una muestra se refiere a una versión más pequeña y manejable de un grupo mayor. Es un subconjunto que contiene las características de una población mayor. Las muestras se utilizan en las pruebas estadísticas cuando el tamaño de la población es demasiado grande para que la prueba incluya a todos los miembros u observaciones posibles. Una muestra debe representar a la población en su conjunto y no reflejar ningún sesgo hacia un atributo específico.
Claves para aprender
- Una muestra se refiere a una versión más pequeña y manejable de un grupo más grande o un subconjunto de una población mayor.
- El uso de muestras permite a los investigadores llevar a cabo sus estudios de forma fácil y oportuna.
- Para conseguir una muestra no sesgada, la selección tiene que ser aleatoria, de modo que todas las personas de la población tengan una oportunidad igual y probable de ser añadidas al grupo de la muestra.
- En el muestreo aleatorio simple, cada entidad de la población es idéntica, mientras que el muestreo aleatorio estratificado divide la población global en grupos más pequeños.
Entendiendo las muestras
Una muestra es un número insesgado de observaciones tomadas de una población. En términos básicos, una población es el número total de individuos, animales, artículos, observaciones, datos, etc. de un tema determinado. Por tanto, la muestra, en otras palabras, es una porción, parte o fracción de todo el grupo, y actúa como un subconjunto de la población. Las muestras se utilizan en diversos ámbitos en los que se realizan investigaciones. Los científicos, los profesionales del marketing, las agencias gubernamentales, los economistas y los grupos de investigación son algunos de los que utilizan muestras para sus estudios y mediciones.
Utilizar poblaciones enteras para la investigación conlleva desafíos, por lo que se utilizan muestras. Los investigadores pueden tener problemas para acceder fácilmente a poblaciones enteras. Y debido a la naturaleza de algunos estudios, los investigadores pueden tener dificultades para obtener los resultados que necesitan en el momento oportuno. Por este motivo, las personas que realizan estudios utilizan muestras. El uso de un número menor de personas que representen a toda la población puede seguir produciendo resultados válidos al tiempo que se reduce el tiempo y los recursos.
Las muestras utilizadas por los investigadores deben parecerse mucho a la población. Todos los participantes de la muestra deben compartir las mismas características y cualidades. Por lo tanto, si el estudio es sobre estudiantes universitarios de primer año, la muestra debe ser un pequeño porcentaje de varones que se ajusten a esta descripción. Del mismo modo, si un grupo de investigación lleva a cabo un estudio sobre los patrones de sueño de las mujeres solteras mayores de 50 años, la muestra debería incluir sólo a mujeres dentro de este grupo demográfico.
Considere un equipo de investigadores académicos que quiere saber cuántos estudiantes estudiaron durante menos de 40 horas para el examen CFA y aun así aprobaron. Dado que más de 200.000 personas realizan el examen en todo el mundo cada año, ponerse en contacto con todos y cada uno de los participantes en el examen puede ser extremadamente tedioso y llevar mucho tiempo.
De hecho, para cuando se hayan recogido y analizado los datos de la población, habrían pasado un par de años, lo que haría que el análisis no tuviera valor, ya que habría surgido una nueva población. Lo que los investigadores pueden hacer en cambio es tomar una muestra de la población y obtener datos de esta muestra.
Para conseguir una muestra no sesgada, la selección debe ser aleatoria, de modo que todas las personas de la población tengan las mismas posibilidades de ser añadidas al grupo.
Para conseguir una muestra no sesgada, la selección debe ser aleatoria, de modo que todas las personas de la población tengan las mismas posibilidades de ser añadidas al grupo de la muestra. Esto es similar a un sorteo de lotería y es la base del muestreo aleatorio simple.
Tipos de muestreo
Muestreo aleatorio simple
El muestreo aleatorio simple es ideal si cada entidad de la población es idéntica. Si a los investigadores no les importa si los sujetos de su muestra son todos hombres o todas mujeres o una combinación de ambos sexos de alguna forma, el muestreo aleatorio simple puede ser una buena técnica de selección.
Digamos que hubo 200.000 examinados que se presentaron al examen CFA en 2016, de los cuales el 40% eran mujeres y el 60% hombres. La muestra aleatoria extraída de la población debería, por tanto, tener 400 mujeres y 600 hombres para un total de 1.000 examinados.
¿Pero qué pasa con los casos en los que es importante conocer la proporción de hombres y mujeres que aprobaron un examen tras estudiar menos de 40 horas? En este caso, una muestra aleatoria estratificada sería preferible a una muestra aleatoria simple.
Muestreo aleatorio estratificado
Este tipo de muestreo, también denominado muestreo aleatorio proporcional o muestreo aleatorio por cuotas, divide la población global en grupos más pequeños. Estos se conocen como estratos. Las personas de los estratos comparten características similares.
¿Y si la edad fuera un factor importante que los investigadores quisieran incluir en sus datos? Utilizando la técnica de muestreo aleatorio estratificado, podrían crear capas o estratos para cada grupo de edad. La selección de cada estrato tendría que ser aleatoria para que todas las personas del grupo tuvieran una probabilidad de ser incluidas en la muestra. Por ejemplo, dos participantes, Alex y David, tienen 22 y 24 años, respectivamente. La selección de la muestra no puede elegir a uno sobre el otro basándose en algún mecanismo preferente. Ambos deben tener la misma probabilidad de ser seleccionados de su grupo de edad. Los estratos podrían ser algo así:
| Estrato (Edad) | Número de personas en la población | Número a incluir en la muestra |
| 20-24 | 30,000 | 150 |
| 25-29 | 70.000 | 350 |
| 30-34 | 40,000 | 200 |
| 35-39 | 30.000 | 150 |
| 40-44 | 20.000 | 100 |
| >44 | 10,000 | 50 |
| Total | 200.000 | 1.000 |
Desde la tabla se ha dividido la población en grupos de edad. Por ejemplo, 30.000 personas dentro del rango de edad de 20 a 24 años realizaron el examen CFA en 2016. Utilizando esta misma proporción, el grupo de la muestra tendrá (30.000 ÷ 200.000) x 1.000 = 150 examinados que se encuentran dentro de este grupo. Alex o David -o ambos o ninguno- pueden incluirse entre los 150 participantes en el examen al azar de la muestra.
Hay muchos más estratos que podrían compilarse al decidir el tamaño de la muestra. Algunos investigadores podrían poblar las funciones laborales, los países, el estado civil, etc. de los examinados al decidir cómo crear la muestra.
Ejemplos de muestras
En 2017, la población del mundo era de 7.500 millones, de los cuales el 49,6% eran mujeres y el 50,4% eran hombres. El número total de personas en un país determinado también puede ser un tamaño de población. El número total de estudiantes de una ciudad puede considerarse una población, y el número total de perros de una ciudad también es un tamaño de población. Se pueden tomar muestras de estas poblaciones con fines de investigación.
Siguiendo con nuestro ejemplo del examen CFA, los investigadores podrían tomar una muestra de 1.000 participantes en el CFA del total de 200.000 examinados -la población- y ejecutar los datos necesarios sobre este número. La media de esta muestra se tomaría para estimar la media de los participantes en el examen CFA que aprobaron aunque sólo hayan estudiado menos de 40 horas.
El grupo de la muestra tomada no debe estar sesgado. Esto significa que si la media de la muestra de los 1.000 participantes en el examen CFA es 50, la media de la población de los 200.000 examinados también debería ser aproximadamente 50.