1. Procedimiento
1.1. Mediante los datos obtenidos en la muestra se calculan los estimadores muestrales (media, varianza muestral, etc.) que suministran las estimaciones muestrales. El cálculo de estas estimaciones muestrales tiene los siguientes objetivos (Martínez Arias, 1995):
1.1.1. 1. Estimar los valores de parámetros poblacionales a partir de las estimaciones muestrales.
1.1.2. 2. Probar hipótesis estadísticas a partir de los parámetros de la población.
1.2. Para poder generalizar los resultados de la muestra a la población, la muestra debe ser representativa (tener las mismas características generales que la población). En caso contrario, es una muestra sesgada.
2. Tipos de muestreo
2.1. Probabilístico: A través de este muestreo podemos determinar la probabilidad que tiene cada elemento de la población de formar parte de la muestra. Utiliza procedimientos de muestreo aleatorio al menos en alguna de sus etapas. Proporciona garantía y seguridad ya que da lugar a muestras probabilísticas.
2.1.1. Aleatorio simple
2.1.1.1. Cualquier elemento de la población tiene la misma probabilidad de ser seleccionado que cualquier otro. Se identifica cada elemento de la población entre 1 y N y se generan números aleatorios.
2.1.1.1.1. 1. Muestreo aleatorio con reposición: Cuando un elemento es seleccionado a azar, es devuelto a la población, de manera que tiene nuevamente la posibilidad de volver a ser seleccionado al azar.
2.1.1.1.2. 2. Muestreo aleatorio sin reposición: Cuando al ser seleccionado un elemento de la población, éste no regresa a ella y por tanto no puede volver a ser seleccionado.
2.1.2. Estratificado
2.1.2.1. Población dividida en estratos o subconjuntos que representan a características importantes de la misma. Dentro de cada uno de los estratos se utilizará un procedimiento de aleatorización para seleccionar la muestra. La variabilidad intraestrato es menor que la variabilidad interestrato. Ejemplo: Rendimiento físico en función del sexo.
2.1.2.1.1. A. Muestreo estratificado proporcional: La proporción de cada estrato en relación a la población queda reflejada en la muestra.
2.1.2.1.2. B. Muestreo estratificado no proporcional: La proporción de cada estrato en relación a la población no quedará reflejada en la muestra.
2.1.3. Por conglomerados
2.1.3.1. Se realiza sobre grupos a través de la extracción sucesiva y aleatoria de grupos para la muestra aprovechando las agrupaciones naturales de elementos ya existentes. (Ej.: Clases de facultades de una universidad) La variabilidad intraconglomerados es mayor que lavariabilidad interconglomerados. (Ej.: Distribución de CI en dos grupos de clase: A y B.)
2.1.4. Polietápico
2.1.4.1. Se realiza en dos o más etapas: La primera de ellas es un muestreo aleatorio por conglomerados. Después, se extraen nuevas muestras de cada uno de los conglomerados seleccionados.
2.1.4.1.1. El muestreo bietápico (dos etapas) es el caso más general, se caracteriza porque en él no es posible la observación de todos los elementos de los conglomerados muestreados. Sólo se observan algunos de ellos, escogidos según cierto diseño muestral (posiblemente muestreo aleatorio simple).
2.1.5. Sistemático
2.1.5.1. Sólo se elige aleatoriamente al primer elemento de la muestra. Se procedería de la siguiente manera:
2.1.5.1.1. 1º) Se fija un intervalo K de elementos (por ejemplo de 10 elementos).
2.1.5.1.2. 2º) Se extrae aleatoriamente un número comprendido en 1 y K (por ejemplo el número 7).
2.1.5.1.3. 3º) Este mismo número (el 7) se utiliza para extraer sujetos del resto de los intervalos.
2.2. No probabilístico: No emplea la extracción aleatoria para formar la muestra. No se tiene en cuenta la probabilidad asociada a cada una de las muestras posibles. No permite saber el grado de representatividad. Es útil para algunas investigaciones, y se puede paliar la no aleatorización con procedimientos como por ejemplo réplicas de la investigación con diferentes muestras.
2.2.1. Por cuotas
2.2.1.1. Se seleccionan estratos existentes en la población (sexo, raza, etc.), y de ellos se seleccionan elementos a criterio del investigador. La selección puede ser simple (mismo número de sujetos en cada estrato) o proporcional (dependiendo del tamaño del estrato). Ejemplo de investigación: ¿Qué redes sociales se utilizan según la edad?
2.2.2. Por juicio o discrecional
2.2.2.1. Los sujetos se seleccionan según el conocimiento y juicio del investigador. Se utilizan casos característicos o promedios de la población, limitando la muestra a estos casos. Puede basarse en la experiencia de otros estudios anteriores o en su conocimiento sobre la población y el comportamiento de ésta frente a las características que se estudian. Ejemplo de investigación: Nivel de satisfacción de los alumnos. Muestra: Alumnos y alumnas que obtengan aprobado y notable.
2.2.3. De conveniencia
2.2.3.1. Los individuos son elegidos por conveniencia del investigador dependiendo de la facilidad de los dichos. Se pueden aprovechar muestras ya elaboradas. Ejemplo: Los pacientes con TOC de un centro de salud mental.
2.2.4. Accidental
2.2.4.1. Los sujetos de estudio se eligen de manera casual, sin ningún juicio previo. Ej.: “Conocer la redes sociales que más se utilizan según la edad”.
2.2.5. Bola de nieve
2.2.5.1. Se realiza sobre poblaciones de difícil localización, en las que no se conoce a sus individuos o es muy difícil acceder a ellos. (Ej.: miembros de una secta, etc.) Cada sujeto estudiado propone a otros, produciendo un efecto acumulativo.
3. Una adecuada distribución muestral
3.1. 1. La forma que adopta es la de la curva normal.
3.2. 2. La media de la distribución muestral de las medias de un número infinito de muestras aleatorias es el parámetro, es decir, es la media de la población.
4. El error muestral
4.1. Grado en que la media de una muestra se desvía del parámetro, es decir, de la media de la población, es el error que se comete cuando se selecciona esa muestra. Al hacer muestras aleatorias, suponemos que el azar previene la posible aparición de desviaciones sistemáticas.
4.1.1. TIPOS DE ERRORES
4.1.1.1. Error de sesgo:
4.1.1.1.1. Se selecciona una muestra que no es representativa de la población. Las muestras que incluyen un error de sesgo se denominan muestras sesgadas, y originan que los resultados encontrados en la investigación no puedan ser generalizadas a la población. (Ej.: Seleccionamos una muestra sin tener en cuenta la proporción de hombres y mujeres de la población)
4.1.1.2. Error sistemático
4.1.1.2.1. Al extraer diferentes muestras de la población, sus valores promedio se desvían sistemáticamente, es decir, cuando al realizar un número infinito de repeticiones de la muestra, la media de las diferentes distribuciones muestrales no se corresponden con la media de la población. (Puede ocurrir al seleccionar muestras muy pequeñas)
4.1.1.3. Error aleatorio
4.1.1.3.1. Es inevitable, al realizar un número infinito de repeticiones de la muestra, la media de las las distribuciones muestrales unas veces se corresponderá con la media de la población, y otras veces no.