¡Descarga Estadística. Tema 1. y más Apuntes en PDF de Estadística Aplicada solo en Docsity!
LA ESTADÍSTICA Y LA INVESTIGACIÓN SOCIAL. BREVE DESARROLLO HISTÓRICO. CONCEPTOS
PRELIMINARES.
ETAPAS DE INVESTIGACIÓN
• ¿Qué quieres hacer? Naturaleza del problema
• ¿Por dónde empiezo? Definición del problema*
• ¿Para qué queremos investigar? ¿Cuál es nuestro objetivo?
• ¿Por dónde continúo? Formulación de hipótesis**
• ¿Cómo se busca o se pregunta lo que se desea averiguar? Tipos de investigación
• ¿A quienes investigamos? ¿A cuántos? ¿Cómo se les elige? Muestra***
• ¿Cómo se recogen los datos? Metodología (cuantitativa, cualitativa o triangulación metodológica)
• ¿Qué hago con los datos? Análisis de los datos (estadística descriptiva)
• ¿Cómo saber si los datos recogidos son buenos y merecen ser creídos? Control de calidad – validez y
fiabilidad (primero se garantiza la validez y después la fiabilidad)
• ¿Cuándo concluye la investigación? Informe de investigación
• ¿Cuánto tiempo y dinero voy a necesitar? Duración y coste
*Al realizar una investigación es preciso delimitarla (por ejemplo, movimientos migratorios – emigraciones – jóvenes de 23/30 años – sin trabajo). Cuanto más delimitado, más sencilla es la conclusión de cada paso.
**La hipótesis es una suposición del investigador sobre el comportamiento de los datos, relacionando variables y estableciendo una comparación. Son guías de investigación, marcan las variables que aparecerán en el estudio (edad, sexo, etc.).
***La población es el objeto de estudio, a la que se investiga y de la que se extrae la muestra (participantes de la investigación). Existen distintos tipos de muestreo que veremos próximamente.
ESTADÍSTICA E INVESTIGACIÓN SOCIAL
Interrogarse -> identificar fuentes relevantes -> formular hipótesis -> recogida de información -> probar resultados -> interpretar resultados -> reconsiderar la teoría -> hacer nuevas preguntas -> (principio).
CÍRCULO DE WALLACE
El desarrollo de una investigación requiere la aplicación de un modelo científico, que incluya como elementos centrales del proceso de investigación: teorías, observaciones, generalizaciones, compilación de datos, etc. El proceso científico usualmente aplica tanto la inducción (proceso lógico que desarrolla generalizaciones basadas en un limitado pero importante conjunto de datos acerca de una clase de eventos) como la deducción (proceso de investigación que permite derivar hipótesis de una explicación generalizada o teoría).
En la práctica es muy difícil separar ambos procesos, en un proyecto de investigación la deducción se apoya en la formulación de hipótesis y la inducción permite obtener evidencias que respalden o no a la hipótesis mediante la observación. El modelo lógico-racional representa a la investigación como un proceso cíclico en el que las diversas fases son interdependientes. El modelo del proceso de investigación científica de Wallace se ha utilizado y adaptado para describir el ciclo de investigación.
PROYECTO DE INVESTIGACIÓN
A la hora de realizar una investigación, previamente es preciso realizar un proyecto en el que acotar todos los pasos de la investigación y que no existan desajustes para que no se incremente el coste (muestra alcance y desarrollo, la garantía de lo que se va a hacer, y cómo, cuándo y con qué recursos).
El proyecto de investigación se hace en referencia a tres elementos: los objetivos de la investigación; los recursos o medios materiales, económicos y humanos de que disponen; el tiempo concedido para su realización.
-> Necesidad del proyecto:
• Valor del contrato (lo que te implicas a hacer).
• Medio para acordar y evaluar objetivamente la investigación antes de realizarla (viabilidad y efectividad)
• Evita desajustes que pueden producir incremento de esfuerzos, costes y tiempo.
• Previene de posibles problemas o eventualidades que puedan ir surgiendo.
Tema 1.
• Permite comparar diferentes ofertas.
• Existe un pensamiento crítico en todas las fases de la investigación.
-> El proyecto responde a una necesidad:
• Demanda
• Universo poblacional
• Campo de investigación
• Implicación del demandante en la investigación
• Permite objetivar la propuesta de investigación
• Consensua distintos intereses en el proyecto, de la demanda, el investigador y la situación social donde se ubica
la investigación
• Permite evaluar el proyecto.
-> Estructura formal del proyecto: (planteamiento del problema de investigación)
• Definición del problema / contexto de la investigación / referencias bibliográficas teóricas y empíricas.
• Objetivos de la investigación / puntos clave que satisfagan la investigación desde un perspectiva operativa.
• Metodología (orientas la metodología atendiendo a las hipótesis mantenidas) / cómo se van a observar las
evidencias que encierran los objetivos /justificación de las perspectivas.
• Recursos (materiales y humanos) disponibles y necesarios (recurso es lo que ya se tiene).
• Programación de costes y cronogramas de tiempo (lo que no se tiene y debes conseguir; junto con los recursos
es la parte más importante).
-> Definición del problema ¿Existe un problema teórico o práctico? ¿Se puede investigar? ¿Su estudio aporta algo? Si todas las preguntas son afirmativas la investigación es interesante de hacer. Con la definición se justifica la investigación y la importancia de hacerla.
• Selección del tema
• Objetivos de la investigación
• Revisión bibliográfica (no es un reseña, sino una crítica a previas investigaciones relacionadas con la nuestra
para tener antecedentes; la investigación debe presentar novedad).
• Elaboración del marco teórico
• Justificación de la investigación (qué razones motivaron la elección de ese problema y cuál es la relevancia y
trascendencia de la indagación.
-> Operacionalización del problema (transformación de la idea general en algo concreto)
• Formulación de hipótesis
• Operacionalización de conceptos teóricos (proceso de traducción de las variables del nivel conceptual a hechos
observables para que sean susceptibles de observación y cuantificación). * Hay que definir los conceptos que se quieren tener en cuenta. Muchas veces es difícil definirlos pues existen matices difíciles de conceptualizar. En esos casos hay que delimitar los conceptos abstractos (descomponer y aclarar) en una serie de partes:
• Concepto: si el concepto se define por sí mismo ya es una variable en sí (como la edad) y, si no lo es,
hay que descomponerlo (como el bienestar social)
• Dimensiones: en lo que se descompone el concepto (para el bienestar social sería la sanidad, la
vivienda, la educación, el trabajo, etc.). La dimensión puede ser tanto cualitativa como cuantitativa.
• Indicadores: es la descomposición última del concepto y con lo que realizamos la investigación. Suelen
ser de tipo cuantitativo (las estadísticas pueden servir de indicador aunque no todas las estadísticas son indicadores). En el caso de la sanidad se puede descomponer en número de camas, de centros de salud, de afiliados a la seguridad social (indicadores), pero también puede descomponerse en nivel de asistencia al enfermo o en prestaciones que son conceptos cualitativos y por tanto no son indicadores sino subdimensiones que hay que seguir descomponiendo.
-> Diseño de la investigación: es la planificación de la estrategia para alcanzar los objetivos de la investigación. La elaboración de un diseño de investigación necesita contemplar todos los extremos que un proyecto presenta. Existen
Tema 1.
• Experimentales : Cuando la asignación al factor de estudio la realiza el investigador.
-> Tipos de validez de medición: Existen distintas formas para comprobar la validez del diseño. Lo ideal sería garantizar todos los tipos de validez pero es muy difícil por lo que es mejor validar la interna.
• Validez Interna: Posibilidad de establecer relaciones de causalidad entre variables dependientes e
independientes. Una vez que se ha eliminado el efecto de otras variables y se ha controlado el efecto de posibles variables extrañas. Corresponde a los estudios explicativos. Se puede controlar a priori y a posteriori. Hace referencia a esa relación causal entre variables. Generaliza para la población experimental.
• Validez Externa: Hacemos referencia a la posibilidad de generalización de los resultados obtenidos (posibilidad
de hacer inferencias). Debemos tener en cuenta ese proceso de aleatorización de la formación de variables. Generaliza para la población diana. Para que un estudio tenga validez externa primero ha de tener validez interna, ausencia de sesgos. Los estudios suelen enfocarse a poblaciones experimentales, por lo que pocos estudios alcanzan a tener validez externa o capacidad de generalización a colectivos más amplios.
• Validez Constructo: Hacemos referencia al grado de adecuación conseguido de ese concepto (o conceptos) clave
en esa investigación. En función de la definición de ese concepto se nos abren alternativas diferentes. Tenemos que operacionalizar ese concepto de forma adecuada (está relacionado con el planteamiento de las hipótesis). Se requiere una operacionalización múltiple.
• Validez Estadística: Relacionada con el poder y la adecuación de la técnica de análisis de datos que se aplica a
nuestro estudio. Hace referencia al tamaño muestral , técnicas de análisis multivariables. Para mayor validez, mayor nº de muestra o mayor homogeneidad.
-> Tipos de error de medición: Al realizar un estudio de investigación podemos cometer dos tipos de errores:
• Error aleatorio: Se produce al realizar el estudio con una muestra en lugar de estudiar a toda la población y
generalizar los resultados obtenidos a la población. Es un error que se puede cuantificar mediante el cálculo del intervalo de confianza y el nivel de seguridad con el que se da ese intervalo. Este tipo de error será mayor conforme la muestra sea más pequeña y disminuirá al aumentar el tamaño muestral.
• Error sistemático: Se puede producir durante el diseño del proyecto de investigación por errores en la selección
de los sujetos o recogida de la información. También se denomina sesgo. No se puede cuantificar y no desaparece aunque estudiemos a toda la población.
• Precisión: Es el grado de ausencia de error aleatorio. Cuanto mayor sea el tamaño muestral, menor es el papel
que juega el azar en nuestra estimaciones (el intervalo de confianza será menor y aumenta la precisión).
-> Análisis de la información obtenida
• Análisis de los datos: Está relacionado con la técnica de recogida de información (para obtener los datos
primero es preciso recopilarlos).
• Interpretación final de los resultados: es preciso interpretar los resultados obtenidos de la técnica de recogida
usada. En este punto es en el cual actúa la estadística.
-> Informe de la investigación: Documento donde se recoge el proceso de investigación, los resultados y las conclusiones. Es importante saber a quién va dirigido, su conocimiento de la materia y el material que se utilizará en las presentaciones. Debe aparecer: Coste total y por partes de la investigación; Tiempo empleado por etapas; Calendario de anotaciones (donde se visualizan todos los pasos). Para ello se puede aplicar un cronograma (lista de todos los elementos terminales de un proyecto con sus fechas previstas de comienzo y final), un cuadro (plasma el tiempo realizado; aparecen en las filas las etapas y en columnas los meses divididos por semanas) o un diagrama.
-> Otros aspectos a tener en cuenta:
Tema 1.
• ¿Principales partidas de costes o coste de cada
una?
• ¿Tiempo empleado?
• ¿Calendario de actuaciones?
• ¿Se precisan ayudas externas?
• ¿Viabilidad de la investigación?
PASOS A SEGUIR PARA REALIZAR EL DISEÑO DE LA INVESTIGACIÓN :
1. Realización de un estudio exploratorio con ayuda de datos secundarios
2. Análisis descriptivo de los datos recogidos anteriormente. Dos tipos de datos:
• Datos primarios: el investigador los obtiene porque ha desarrollado su propio instrumento de recogida
de información
• Datos secundarios: datos ya elaborados de otros proyectos con objetivos diferentes y que han sido
incorporados a la propia investigación (importantes pues los datos obtenidos por grandes organismos presentan normalmente una muestra mayor).
3. Cruce de variables y correlaciones (comprobar la relación entre las variables).
BREVE DESARROLLO HISTÓRICO DE LA ESTADÍSTICA:
Las aportaciones de la teoría y la investigación empírica han contribuido a desarrollar la sociología y a configurar los métodos y técnicas de investigación social.
La Investigación social y la estadística siempre van unidas, por ello, la estadística nace cuando nace la investigación social. Los antecedentes inmediatos de la investigación social empírica suelen remontarse a los siglos XVII y XVIII, al movimiento denominado estadística social , en el cual se promovía la aplicación de los mismos procedimientos de medición utilizados en las ciencias naturales al estudio de los fenómenos sociales. Así, proporcionaron una mayor precisión a la descripción de la sociedad.
Dicha investigación social no nace a la par que ciencias sociales como la sociología (del siglo XIX), sino que nace en Europa como medio de recolección de datos. Entre el siglo XVIII y el XIX, las técnicas de investigación social se modernizan. En 1920 y 1930 se fusionan la sociología teórica y la investigación empírica, dando como resultado la unión de la teoría y la práctica.
¿Por qué se fomentó la investigación social y con qué fines se desarrolló en sus orígenes?
• Para analizar su estado actual de desarrollo y su relación entre las partes
• Para comprender su terminología
• Para prever su desarrollo
• Para la recogida de datos empíricos.
SIGLO XVII: LAS ESCUELAS ESTADÍSTICAS:
Durante los siglos XVI-XVIII la investigación social presentaba las siguientes características:
• La unidad última de análisis era el vecino o pechero.
• Presentaba una finalidad fiscal, tributaria y militar (recaudar datos para el pago de impuestos o para ir a la
guerra).
• La información primaria la proporcionaban las autoridades (alcalde y cura).
La estadística más científica que conocemos en la actualidad es posible gracias a las aportaciones de una serie de autores englobados en dos escuelas estadísticas principales del siglo XVII:
ESCUELA ESTADÍSTICA UNIVERSITARIA:
También conocida como la escuela estadística universitaria. Se caracteriza por la promoción de la denominada geografía política , en concreto, la comparación de datos demográficos, socioeconómicos y políticos, relativos a diferentes países. Se centra en la descripción (es solo descriptiva) y en la necesidad de reunir información sistemática sobre los diferentes países (su objetivo es conocer y comparar los diferentes países). Su promotor es Seckendorff en el siglo XVII. En el siglo XIX esta tradición experimentó una división entre la ciencia política y la administración pública. Dos de sus representantes principales del siglo XVIII son:
• En lo metodológico se basa en: la observación directa, la realización de entrevistas abiertas y la elaboración de
mapas sociales (para analizar la distribución de la población).
• Sus pasos a seguir: formulación de un programa constructivo de reformas sociales; mejora de las condiciones
actuales; medir y comparar condiciones; despertar el deseo de participar en la solución de problemas sociales.
F. Le Play
• Incorpora el espíritu empirista de su profesión (ingeniero de minas) a las investigaciones sociales (interesado en
el análisis de la familia como núcleo de toda la sociedad).
• Compagina la Observación participante con la comparación sistémica de diversas familias de países diferentes.
• Estudia casos particulares aplicando para ello técnicas cuantitativas (denominado más tarde estudio de casos )
• Sus conclusiones “son más útiles para el estadista y el reformador que para el científico”. Sus procedimientos
no son propios para un estadista de su época (muchos indican que su obra es estrictamente sociológica).
A. Quételet
• Incorpora a la investigación sociológica las técnicas estadísticas. Es el padre de la sociología cuantitativa.
• Destaca por su teoría de las regularidades de los fenómenos sociales. De ahí que se le considere un pionero en
la aplicación de modelos matemáticos en la sociología.
• Utiliza tablas multivariadas para explorar relaciones entre tasas con factores sociodemográficos
• Aplicación del cálculo de probabilidades estadísticas para explicar la constancia en el tiempo de determinados
fenómenos, y expone que algunos factores sociales pueden distribuirse según una curva.
• Colabora en la creación de la Sociedades Estadísticas de Inglaterra y Francia, e impulsa la fundación de la
Asociación Estadística Internacional.
J. Howard:
• Se preocupa por la situación de los marginados sociales.
• Detalla estadística descriptiva de todas las cárceles del país con sus presos.
• Los datos se comprobaron con entrevistas personales y observación.
• Es considerado un investigador social. No es precursor de una estadística fija y emplea diferentes técnicas.
• Compareció ante el Comité de la Cámara, aprobándose un decreto de reforma del sistema penitenciario inglés
(poder de los datos).
K. Marx
• A caballo entre la dimensión sociológica estructural (lo regular y universal) y la intersubjetiva (lo individual y
concreto). Aplica como método el materialismo dialéctico (fija las leyes que regulan los fenómenos sociales mientras enfatiza la perspectiva histórica).
• Interés de obtener información de los propios trabajadores.
• Elabora la primera encuesta por correo, pero su respuesta fue mínima y quedó sin concluir.
• Trabajos, censos que estudian el total. Muestras no representativas.
Gallup, Crossley, Rooper
• Desarrollan las técnicas de encuesta , la Investigación de mercados y los sondeos preelectorales
• Impulsó la encuesta por muestreo : una muestra pequeña pero bien elegida refleja la realidad social mejor que
una gran muestra
• Muestreo por cuotas en las elecciones 1940-1944 (acertaron quien ganaría las elecciones EEUU).
• Experimentos sobre el efecto de la redacción de preguntas.
P. Lazarsfeld
• Estudió la conducta del voto mediante encuesta por muestreo
• Aplicación de la encuesta panel (medición pre/post elecciones de 1940 para ver cómo influye la campaña
electoral).
• Análisis de los datos obtenidos de encuestas a través de: tablas cruzadas y tipologías.
• No aplicación de modelos de inferencia estadística. Muestreo utilizado.
EL CASO ESPAÑOL
• Estadísticas anteriores al siglo XVIII se conocen como “trabajos de los políticos españoles”
• Censos realizados antes del siglo XIX:
• Siglo XV: 1482-1494 es realizado por “fuegos”, es decir, por “casas habitadas”.
• Siglo XVII: 1646 (para el reparto forzoso de juro) y 1693 (para reclutar dos soldados por cada 100
vecinos)
• Siglo XVIII: 1768 (realizado por el conde de Aranda, fue el primero hecho por individuos y no por
casas habitadas, fue realizado por provincias), y 1787 (hecho por Floridablanca por obispados).
• Siglo XIX:
• 1856: Institucionalización de la estadística oficial
• 1857: Incorporación de la Estadística en estudios universitarios
• 1857: Primer censo general de la población
• 1857: Creación de la Real sociedad de Ciencias Morales y Políticas
• 1862: Primera revista estadística.
GÉNESIS DE LA PROBABILIDAD:
• Concepto de probabilidad: juegos de azar
• Siglo XVI: Cardano, concepto de la ley de azar. Galileo Galilei: casos probables al lanzar tres dados
• Siglo XVII: necesidad de un método
• Siglo XVIII-XIX: época de oro de la teoría de probabilidad (de la mano de Laplace, Quason y Gauss).
CONFIGURACIÓN DE LA ESTADÍSTICA COMO CIENCIA
• Darwin: predicciones y contrastación estadística.
• Galton: necesidad del método estadístico (regresión y correlación).
• Quetelet: cálculo de probabilidades, estudio de datos humanos y concepto de hombre medio.
• Le Play: búsqueda del método cuantitativo.
Aplicación de métodos estadísticos en áreas diversas
ESTADÍSTICA COMO CIENCIA:
Cómo obtener conclusiones de la investigación empírica mediante modelos matemáticos.
-> Problemas que resuelve la estadística:
• Descripción de datos
• Análisis de la muestra
• Contraste de hipótesis
• Medición de la relación entre variables
• Predicción
-> Estadística y ciencias sociales (sociología, antropología) ¿qué hace la estadística en el campo de las ciencias sociales?
• Estadística como instrumento
• Dificultades de aplicación de la estadística
• Posibilidad de errores (tener cuidado en el planteamiento del problema y de posibles conclusiones
ESTADÍSTICA: DEFINICIÓN:
• La unidad muestral es un elemento de la población:
• Muestreo aleatorio simple : es el muestreo menos complejo, pero está presente en otros muestreos de
tipo probabilístico. Es aplicable a poblaciones de pequeño tamaño. Se suele recurrir a una tabla de números aleatorios, que resultan mucho más eficaces que la selección manual de muestras al azar (la aleatoriedad viene dada sin importar el método de elección de la muestra; por filas, columnas, diagonal o irregularmente).
• Muestreo aleatorio sistemático : es una variante del muestreo aleatorio simple (se usan los mismos
estimadores para las fórmulas que en el muestreo aleatorio simple) y simplifica el proceso de obtención de elementos de la muestra a través del coeficiente de elevación (K=N/n; coeficiente es igual al tamaño de la población entre tamaño de la muestra). Su forma de utilización es: se calcula el coeficiente de elevación; se elige al azar un número igual o menor a ese coeficiente; el individuo al que corresponde ese número forma parte de la muestra y los restantes se obtienen sumando sucesivamente el coeficiente de elevación al número obtenido. Está cálculo puede generar un inconveniente, que es la posible distorsión o no neutralidad de la elección si los elementos están dispuestos periódicamente.
• Muestreo estratificado : se divide a la población en grupos homogéneos o estratos (atendiendo
normalmente a una característica visible como el sexo, edad, etc.). Un grupo homogéneo necesita una muestra más pequeña que un grupo heterogéneo y, además, garantiza mayor precisión y menor error que uno aleatorio simple, por ello es el más utilizado en la práctica. Una vez definidos los estratos, dentro de cada uno se lleva a cabo un muestreo aleatorio simple o sistemático para elegir la submuestra correspondiente al mismo: la determinación del número de elementos que ha de tener cada una de estas submuestras se le denomina afijación de la muestra. La afijación es un reparto del tamaño de la muestra en los distintos estratos (*cuando en una muestra un sector de la población está sobrerrepresentado, se le quita valor en comparación con otros sectores). Su inconveniente es que a veces exige disponer de información que no siempre está a nuestro alcance. Existen tres tipos de afijación:
■ Afijación simple: en cada estrato se eligen el mismo número de individuos. Presenta un
inconveniente: en la muestra no está representada la población en realidad.
■ Afijación proporcional: el tamaño de cada estrato en la muestra es proporcional a su tamaño
en la población. La ventaja es que la muestra representa mejor a la población. El inconveniente es que no siempre se conoce la distribución para hallar la proporción.
■ Afijación óptima: se reparte el tamaño de la muestra teniendo en cuenta no sólo la proporción
de los estratos sino también el nivel de dispersión que pueda existir entre ellos. Se eligen pocos individuos de los estratos que sean muy homogéneos y se eligen muchos individuos de aquellos estratos que sean heterogéneos. Su problema es que, al ser óptima, no se sabe si es homogéneo o heterogéneo en la práctica.
• La unidad muestral es un grupo de elementos de la población:
• Muestreo por conglomerado o cluster : Si los conglomerados se determinan por límites geográficos
se denomina conglomerado por áreas. El conglomerado es una representación de universo a escala reducida. La unidad muestral no son individuos, sino un colectivo de elementos que, bajo determinados aspectos, pueden considerarse una unidad. En el interior de cada grupo se busca la heterogeneidad (a diferencia de los estratificados donde se busca la homogeneidad), mientras que entre los grupos se busca la homogeneidad (al seleccionar aleatoriamente un conglomerado puedo seleccionar a todos los individuos o solo una parte). Este muestreo simplifica el proceso de extracción, reduciendo costes y tiempo al estar los grupos ya formados. Existen distintos tipos de muestreo:
■ Muestreo monoetápico o sin submuestreo: Si todos los elementos del conglomerado se
incluyen en la muestra.
■ Muestreo bietápico: se saca una submuestra aleatoria.
■ Muestreo polietápico: intervienen más de dos etapas.
Ventajas del muestreo probabilístico :
• Permite realizar inferencias estadísticas (decir algo de la población a partir de la muestra)
• Conocer el error muestral (el margen de error está relacionado con el tamaño de la muestra, cuanto mayor sea la
muestra menor el margen de error y viceversa).
• Garantiza la representatividad.
-> Muestreo no aleatorio o no probabilístico : No todos los elementos de la población tienen la misma probabilidad de ser incluidos en la muestra. En estos tipos de muestro no es posible calcular el error muestral, ni el tamaño de la población y existe un alto riesgo de invalidez por la introducción de sesgos. Existen distintos tipos:
• Muestreo accidental o sin norma : se eligen los elementos más accesibles por razones de comodidad o
capricho (por ejemplo, un periodista que va por la calle preguntando a las personas que salen a su paso; no es probabilístico porque los individuos que no pasan por ese sitio no tiene la posibilidad de entrar en la muestra). No se puede evaluar la desviación producida. Si la población es homogénea la representatividad de la muestra puede ser satisfactoria.
• Muestreo intencional (la elección de la muestra depende del objetivo de la investigación) o por juicio : se basa
en la experiencia personal del investigador, por lo que influye el factor subjetivo de la selección de la muestra. El investigador toma elementos que se juzgan típicos o representativos de la población, y supone que los errores en la selección se compensarán unos con otros. Hay que asegurarse de que los casos siguen siendo típicos. Su inconveniente es que sin una comprobación de otro tipo, no es posible saber si los casos típicos lo son en realidad, y tampoco se conoce como afecta a esos casos típicos los posibles cambios que se producen.
• Muestreo por cuotas : garantiza mantener las proporciones que se presentan en la población. Se elige de forma
arbitraria los grupos establecidos. Carece de bases teóricas que nos permitan hacer inferencias. Necesita actualizar la información para fijar cuotas.
• Muestreo “bola de nieve” : selecciona una muestra inicial de individuos de forma probabilística, en cada
entrevista cada individuo nombra a otros nuevos individuos de la población en estudio que han de investigarse. Se utiliza en poblaciones difíciles de identificar (establece contactos a partir de una serie de personas).
-> El tamaño muestral (n):
La representatividad de una muestra depende del método muestral que se utilice y del tamaño de la muestra (cuanto mayor sea el tamaño, mayor es su representatividad). Los factores para poder calcular el tamaño muestral son: varianza poblacional, nivel de confianza exigido, máximo error permitido en la estimación, método de muestreo utilizado y la población finita o infinita (más de 100.000 personas).
Existen dos posibles situaciones en las cuales es preciso predeterminar el tamaño de la muestra:
• Para estimar un parámetro : existen dos tipos de parámetros:
• Variable de tipo cuantitativo: se estima una media. Para su cálculo se precisa de:
■ Desviación estándar de la variables de interés (S): la varianza poblacional o la desviación
estándar de la población, si no nos lo dan, tendremos que obtenerlo a partir de estudios previos o de un estudio piloto.
■ Precisión deseada o precisión de la estimación (d): se mide a través del error muestral. La
magnitud del máximo margen de error admisible debe ser fijada por el investigador, pues es él quien mejor identifica las consecuencias prácticas de un error dado. Si se admite un error de hasta 50, ello significa que el valor de la media que obtengamos podrá tener una variación de +/_ 50. Al aumentar la precisión, es decir, al disminuir el grado de error, aumenta el tamaño de muestra necesario.
■ Nivel de confianza (1-α): generalmente se fija en 95%. El efecto de este valor sobre el tamaño
de muestra es directo; es decir, para una precisión dada, el tamaño de muestra aumenta al aumentar el nivel de confianza. El nivel de confianza prefijado da lugar a un coeficiente (Zα).
■ Tamaño de la población: existen dos tipos de poblaciones en función de su es posible
cuantificarlas o no:
• Población finita: existe una cantidad determinada de elementos por analizar. En caso
obtener una muestra de una población pequeña, sí nos interesa conocer el marco muestral, ya que el tamaño de la muestra que predeterminamos será algo menor que si consideramos la población como infinita.
