En las estadísticas, una muestra es un subconjunto de una población que se utiliza para representar a todo el grupo como un todo. Cuando se investiga, a menudo no es práctico hacer una encuesta a todos los miembros de una población en particular porque la cantidad de personas simplemente es demasiado grande. Para hacer inferencias sobre las características de una población, los investigadores pueden usar una muestra aleatoria .
¿Por qué los investigadores usan muestras?
Al investigar un aspecto de la mente o el comportamiento humano, los investigadores simplemente no pueden recopilar datos de cada individuo en la mayoría de los casos. En cambio, eligen una muestra más pequeña de individuos que representan el grupo más grande. Si la muestra es verdaderamente representativa de la población en cuestión, los investigadores pueden luego tomar sus resultados y generalizarlos para el grupo más grande.
Tipos de muestreo
En la investigación psicológica y otros tipos de investigación social, los experimentadores suelen confiar en unos pocos métodos de muestreo diferentes.
1. Muestreo de probabilidad
El muestreo probabilístico significa que cada individuo en una población se mantiene e igual posibilidad de ser seleccionado. Dado que el muestreo probabilístico implica una selección aleatoria, asegura que diferentes subconjuntos de la población tienen las mismas posibilidades de ser representados en la muestra. Esto hace que las muestras probabilísticas sean más representativas, y los investigadores pueden generalizar sus resultados al grupo como un todo.
Hay algunos tipos diferentes de muestreo probabilístico:
- El muestreo aleatorio simple es, como su nombre lo sugiere, el tipo más simple de muestreo probabilístico. Los investigadores toman a cada individuo en una población y seleccionan aleatoriamente su muestra, a menudo usando algún tipo de programa de computadora o generador de números aleatorios.
- El muestreo aleatorio estratificado implica separar la población en subgrupos y luego tomar una muestra aleatoria simple de cada uno de estos subgrupos. Por ejemplo, una investigación puede dividir a la población en subgrupos según la raza, el sexo o la edad y luego tomar una muestra aleatoria simple de cada uno de estos grupos. El muestreo aleatorio estratificado a menudo proporciona una mayor precisión estadística que el muestreo aleatorio simple y ayuda a garantizar que ciertos grupos estén representados con precisión en la muestra.
- El muestreo de conglomerados implica dividir una población en grupos más pequeños, a menudo según la ubicación geográfica o los límites. Luego se selecciona una muestra aleatoria de estos clústeres y se miden todos los sujetos dentro del clúster. Por ejemplo, imagine que está tratando de hacer un estudio sobre los directores de escuelas en su estado. Recolectar datos de cada uno de los principios escolares sería costoso y consumiría mucho tiempo. Al usar un método de muestreo por conglomerados, selecciona aleatoriamente cinco condados de su estado y luego recopila los datos de cada sujeto en cada uno de esos cinco condados.
2. Muestreo no probabilístico
El muestreo no probabilístico, por otro lado, implica seleccionar participantes usando métodos que no le dan a cada individuo en una población la misma posibilidad de ser elegido.
Un problema con este tipo de muestra es que los voluntarios pueden ser diferentes en ciertas variables que los no voluntarios, lo que puede dificultar la generalización de los resultados a toda la población.
También hay un par de diferentes tipos de muestreo no probabilístico:
- El muestreo de conveniencia implica el uso de participantes en un estudio porque son convenientes y están disponibles. Si se ha ofrecido como voluntario para un estudio de psicología conducido a través del departamento de psicología de su universidad, entonces ha participado en un estudio que se basó en una muestra de conveniencia. Los estudios que se basan en solicitar voluntarios o mediante el uso de muestras clínicas que están disponibles para el investigador también son ejemplos de muestras de conveniencia.
- El muestreo intencional implica buscar individuos que cumplan con ciertos criterios. Por ejemplo, los especialistas en marketing podrían estar interesados en aprender cómo sus productos son percibidos por mujeres entre las edades de 18 y 35. Pueden contratar una firma de investigación de mercado para realizar entrevistas telefónicas que busquen y entrevisten intencionalmente a mujeres que cumplan con sus criterios de edad.
- El muestreo de cuota implica el muestreo intencional de una proporción específica de un subgrupo dentro de una población. Por ejemplo, los encuestadores políticos podrían estar interesados en investigar las opiniones de una población sobre cierto tema político. Si usan un muestreo aleatorio simple, pueden perder ciertos subconjuntos de la población por casualidad. En cambio, establecen los criterios de que un cierto porcentaje de la muestra debe incluir estos subgrupos. Si bien la muestra resultante puede no ser realmente representativa de las proporciones reales que existen en la población, tener una cuota asegura que estos subgrupos más pequeños estén representados.
Obtenga más información sobre algunas de las formas en que las muestras de probabilidad y no de probabilidad difieren.
Errores de muestreo
Debido a que el muestreo, naturalmente, no puede incluir a cada individuo en una población, pueden ocurrir errores. Las diferencias entre lo que está presente en una población y lo que está presente en una muestra se conocen como errores de muestreo .
Si bien es imposible saber exactamente cuán grande puede ser la diferencia entre la población y la muestra, los investigadores pueden estimar estadísticamente el tamaño de los errores de muestreo. En las encuestas políticas, por ejemplo, a menudo se puede escuchar el margen de error expresado por ciertos niveles de confianza.
En general, cuanto mayor sea el tamaño de muestra, menor será el nivel de error. Esto es simplemente porque a medida que la muestra se acerca a alcanzar el tamaño de la población total, es más probable que capture con precisión todas las características de la población. La única forma de eliminar por completo el error de muestreo es recolectar datos de toda la población, lo que a menudo es demasiado costoso y demorado. Los errores de muestreo se pueden minimizar, sin embargo, mediante el uso de pruebas de probabilidad aleatorias y un tamaño de muestra grande.
Referencias
Goodwin, CJ (2010). Investigación en psicología: métodos y diseño. Hoboken, Nueva Jersey: John Wiley and Sons.
Nicholas, L. (2008). Introducción a la Psicología . Prensa UCT: Ciudad del Cabo.