Resumen de Metodologías de Investigación y Muestreo

## Introducción El muestreo es el conjunto de técnicas que permite seleccionar una parte (muestra) de una población para inferir características del todo. Elegir la técnica adecuada reduce costos y tiempos, y mejora el control de calidad de los resultados. > Definición: El muestreo es el proceso de seleccionar unidades representativas de una población para obtener conclusiones válidas sobre esa población. ## Clasificación general Se distinguen dos grandes familias: - **Muestras probabilísticas**: cada unidad tiene una probabilidad conocida y no nula de ser seleccionada. Permiten generalizar resultados. - **Muestras no probabilísticas**: la probabilidad de selección no es conocida; resultado no representativo ni generalizable con seguridad. ### Muestras probabilísticas (detalladas) > Definición: Muestras probabilísticas son aquellas en que todas las unidades de la población tienen la misma probabilidad, o una probabilidad conocida, de ser incluidas en la muestra. 1. **Aleatoria simple** - Descripción: Selección totalmente al azar (tablas, generadores, bolilleros). - Cuándo usar: variable distribuida aleatoriamente, universos pequeños ($<200$), poca dispersión geográfica. - Ventajas: Resultados extrapolables; fácil interpretación estadística. - Desventajas: Requiere listado completo, puede ser costosa, subgrupos minoritarios pueden quedar sin representación. - Ejemplo práctico: Seleccionar 50 estudiantes de un listado de 180 por números aleatorios para una encuesta de satisfacción. 2. **Aleatoria sistemática** - Descripción: Se elige la primera unidad al azar y luego cada $K$ unidades, donde $$K = \frac{N}{n}$$ con $N$ población total y $n$ tamaño de muestra. - Cuándo usar: cuando no se tiene listado completo pero se puede estimar, dificultades de acceso, distancias grandes. - Precauciones: No recomendable si las unidades están ordenadas periódicamente (p. ej. por día de la semana). - Ejemplo práctico: En un censo de un barrio con casas numeradas, seleccionar cada 10ª casa empezando en un número aleatorio del 1 al 10. 3. **Estratificada** - Descripción: Se divide la población en estratos (subgrupos) homogéneos internamente y heterogéneos entre sí, y se toma una muestra proporcional de cada estrato. - Cuándo usar: cuando la variación entre estratos es mayor que dentro de ellos; mejora la precisión para subgrupos clave. - Ejemplo práctico: Encuesta nacional donde se estratifica por regiones y se toma una muestra proporcional por región. 4. **Por conglomerados (clusters)** - Descripción: La población se agrupa en conglomerados heterogéneos internamente y similares entre sí; se seleccionan aleatoriamente conglomerados y luego unidades dentro de ellos. - Cuándo usar: alta dispersión geográfica o barreras de acceso; reduce costos de campo. - Ejemplo práctico: Seleccionar escuelas (conglomerados) al azar y luego encuestar estudiantes dentro de las escuelas seleccionadas. ### Tabla comparativa: tipos probabilísticos | Tipo | Requiere listado completo | Mejor cuando | Riesgo principal | |---|---:|---|---| | Aleatoria simple | Sí | Universos pequeños, sin estructura | Subgrupos minoritarios sin representación | | Sistemática | No siempre | Acceso difícil, distancias grandes | Periodicidad en el ordenamiento | | Estratificada | Sí (por estrato) | Gran heterogeneidad entre estratos | Error si estratos mal definidos | | Conglomerados | No (por conglomerados) | Alta dispersión geográfica | Mayor varianza si conglomerados muy distintos | ### Muestras no probabilísticas (detalladas) > Definición: Muestras no probabilísticas son las seleccionadas por criterios no aleatorios; no permiten estimaciones de probabilidad de selección ni generalización segura. 1. **Por cuotas** - Similar a la estratificada en composición pero la selección dentro de la cuota no es aleatoria. - Uso: estudios de mercado donde se busca reproducir estructura demográfica rápidamente. 2. **Por conveniencia**