INTRODUCCIÓN Y OBTENCIÓN DE DATOS ESTADÍSTICOS

1. Historia

Los comienzos de la estadística pueden ser hallados en el antiguo Egipto, cuyos

faraones lograron recopilar, hacia el año 3050 antes de Cristo, prolijos datos
relativos a la población y la riqueza del país. De acuerdo con el historiador
griego Heródoto, dicho registro de riqueza y población se hizo con el objetivo de
preparar la construcción de las pirámides. En el mismo Egipto, Ramsés II hizo un
censo de las tierras con el objeto de verificar un nuevo reparto.

En el antiguo Israel, la Biblia da referencias, en el libro de los Números, de los

datos estadísticos obtenidos en dos recuentos de la población hebrea. El rey
David, por otra parte, ordenó a Joab, general del ejército, hacer un censo de Israel
con la finalidad de conocer el número de la población.

También los chinos efectuaron censos hace más de cuarenta siglos. Los griegos
efectuaron censos periódicamente con fines tributarios, sociales (división de
tierras) y militares (cálculo de recursos y hombres disponibles).

La investigación histórica revela que se realizaron 69 censos para calcular los

impuestos, determinar los derechos de voto y ponderar la potencia guerrera.

Pero fueron los romanos, maestros de la organización política, quienes mejor

supieron emplear los recursos de la estadística. Cada cinco años realizaban un
censo de la población, y sus funcionarios públicos tenían la obligación de anotar
nacimientos, defunciones y matrimonios, sin olvidar los recuentos periódicos
del ganado y de las riquezas contenidas en las tierras conquistadas. Para el
nacimiento de Cristo, sucedía uno de estos empadronamientos de la población
bajo la autoridad del imperio.

Durante los mil años siguientes a la caída del imperio romano se realizaron muy
pocas operaciones estadísticas, con la notable excepción de las relaciones
de tierras pertenecientes a la Iglesia, compiladas por Pipino el Breve en el 758, y
por Carlomagno en el 762 DC. Durante el siglo IX se realizaron en Francia algunos
censos parciales de siervos. En Inglaterra, Guillermo el Conquistador recopiló el
Domesday Book o Libro del gran catastropara el año 1086, un documento de la
propiedad, extensión y valor de las tierras de Inglaterra. Esa obra fue el primer
compendio estadístico de Inglaterra.

Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicolás
Copérnico, Galileo, Neper, William Harvey, Sir Francis Bacon y René
Descartes, hicieron grandes operaciones al método científico, de tal forma que
cuando se crearon los Estados nacionales y surgió como fuerza el comercio
internacional existía ya un método capaz de aplicarse a los datos económicos.

Para el año 1532 empezaron a registrarse en Inglaterra las defunciones debido al

temor que Enrique VII tenía por la peste. Más o menos por la misma época, en
Francia la ley exigió a los clérigos registrar los bautismos, fallecimientos y
matrimonios. Durante un brote de peste que apareció a fines de la década de
1500, el gobierno inglés comenzó a publicar estadísticas semanales de los
decesos. Esa costumbre continuó muchos años, y en 1632 estos Bills of
Mortality(Cuentas de mortalidad) contenían los nacimientos y fallecimientos por
sexo.

En 1662, el capitán John Graunt usó documentos que abarcaban treinta años y
efectuó predicciones sobre el número de personas que morirían de varias
enfermedades y sobre las proporciones de nacimientos de varones y mujeres que
cabría esperar. El trabajo de Graunt, condensado en su obra Natural and political
observations... Made upon the bills of mortality (Observaciones políticas y
naturales... hechas a partir de las cuentas de mortalidad), fue un esfuerzo
innovador en el análisis estadístico. Por el año 1540, el alemán Sebastián Muster
realizó una compilación estadística de los recursos nacionales, comprensiva
de datos sobre organización política, instrucciones sociales, comercio y poderío
militar.
Durante el siglo XVII aportó indicaciones más concretas de métodos de
observación y análisis cuantitativo y amplió los campos de la inferencia y la teoría
estadística. Los eruditos del siglo XVII demostraron especial interés por la
estadística demográfica como resultado de la especulación sobre si la población
aumentaba, decrecía o permanecía estática.

En los tiempos modernos, tales métodos fueron resucitados por algunos reyes
que necesitaban conocer las riquezas monetarias y el potencial humano de
sus respectivos países. El primer empleo de los datos estadísticos para fines
ajenos a la política tuvo lugar en 1691 y estuvo a cargo de Gaspar Neumann, un
profesor alemán que vivía en Breslau. Este investigador se propuso destruir la
antigua creencia popular de que en los años terminados en siete moría más gente
que en los restantes, y para lograrlo hurgó pacientemente en los archivos
parroquiales de la ciudad.

Después de revisar miles de partidas de defunción pudo demostrar que en tales

años no fallecían más personas que en los demás. Los procedimientos de
Neumann fueron conocidos por el astrónomo inglés Halley, descubridor del
cometa que lleva su nombre, quien los aplicó al estudio de la vida humana.
Sus cálculos sirvieron de base para las tablas de mortalidad que hoy utilizan todas
las compañías de seguros.

Durante el siglo XVII y principios del XVIII, matemáticos como Bernoulli, Francis
Maseres, Lagrange y Laplace desarrollaron la teoría de probabilidades. No
obstante, durante cierto tiempo, la teoría de las probabilidades limitó su
aplicación a los juegos de azar y hasta el siglo XVIII no comenzó a aplicarse a
los grandes problemas científicos. Godofredo Achenwall, profesor de la
Universidad de Gotinga, acuñó en 1760 la palabra estadística, que extrajo del
término italiano statista (estadista). Creía, y con sobrada razón, que los datos de la
nueva ciencia serían el aliado más eficaz del gobernante consciente. La raíz
remota de la palabra se halla, por otra parte, en el término latino status, que
significa estado o situación. Esta etimología aumenta el valor intrínseco de la
palabra, por cuanto la estadística revela el sentido cuantitativo de las más variadas
situaciones.

Jacques Quételect es quien aplica las estadísticas a las ciencias sociales. Este
interpretó la teoría de la probabilidad para su uso en las ciencias sociales y
resolver la aplicación del principio de promedios y de la variabilidad a los
fenómenos sociales. Quételect fue el primero en realizar la aplicación práctica de
todo el método estadístico, entonces conocido, a las diversas ramas de la ciencia.
Entre tanto, en el período del 1800 al 1820 se desarrollaron dos conceptos
matemáticos fundamentales para la teoría estadística: la teoría de los errores de
observación, aportada por Laplace y Gauss; y la teoría de los mínimos
cuadrados desarrollada por Laplace, Gauss y Legendre.

A finales del siglo XIX, Sir Francis Gaston ideó el método conocido por
Correlación, que tenía por objeto medir la influencia relativa de los factores sobre
las variables. De aquí partió el desarrollo del coeficiente de correlación creado por
Karl Pearson y otros cultivadores de la ciencia biométrica como J. Pease Norton,
R. H. Hooker y G. Udny Yule, que efectuaron amplios estudios sobre la medida de
las relaciones.

Los progresos más recientes en el campo de la Estadística se refieren al ulterior

desarrollo del cálculo de probabilidades; particularmente en la rama denominada
indeterminismo o relatividad, se ha demostrado que el determinismo fue
reconocido en la Física como resultado de las investigaciones atómicas y que
este principio se juzga aplicable tanto a las ciencias sociales como a las físicas.

2. Definición

La Estadística es la ciencia cuyo objetivo es reunir una información

cuantitativa concerniente a individuos, grupos, series de hechos, etc., y
deducir de ello, gracias al análisis de estos datos, significados precisos o
previsiones para el futuro.
La estadística, en general, es la ciencia que trata de la recopilación,
organización presentación, análisis e interpretación de datos numéricos con el fin
de realizar una toma de decisión más efectiva.

Los estudiantes confunden comúnmente los demás términos asociados con las
estadísticas, una confusión que es conveniente aclarar debido a que esta palabra
tiene tres significados: la palabra estadística, en primer término, se usa para
referirse a la información estadística; también se utiliza para referirse al
conjunto de técnicas y métodos que se utilizan para analizar la información
estadística; y el término estadístico, en singular y en masculino, se refiere a una
medida derivada de una muestra.

3. División

La Estadística, para su mejor estudio, se ha dividido en dos grandes ramas: la

Estadística Descriptiva y la Inferencial.

Estadística Descriptiva: consiste sobre todo en la presentación de datos en

forma de tablas y gráficas. Esta comprende cualquier actividad relacionada con
los datos y está diseñada para resumir o describir los mismos sin factores
pertinentes adicionales, esto es, sin intentar inferir nada que vaya más allá de los
datos como tales.

Estadística Inferencial: se deriva de muestras, de observaciones hechas sólo

acerca de una parte de un conjunto numeroso de elementos y esto implica que su
análisis requiere de generalizaciones que van más allá de los datos. Como
consecuencia, la característica más importante del reciente crecimiento de la
estadística ha sido un cambio en el énfasis de los métodos, los cuales son
utilizados para hacer generalizaciones. La Estadística Inferencial investiga o
analiza una población partiendo de una muestra tomada.
 4. Población

Se entiende por población o universo un conjunto grande de elementos o unidades

de investigación, de los cuales se estudia una o varias características
comunes. Por ejemplo, los estudiantes de una universidad, las universidades de
una ciudad, los artículos producidos en una fábrica, las empresas de un país, los
lanzamientos de una moneda, etc.

Según el tamaño, la población puede clasificarse en finita e infinita. Se considera

una población finita, cuando tiene un número determinado de elementos, es decir,
se conoce el tamaño de la población. Por ejemplo, los habitantes de un país, los
estudiantes de una universidad, los empleados de una empresa, los asociados
a una cooperativa, etc., mientras que la población infinita tiene un número
indeterminado de elementos, por ejemplo, los cuerpos que caen, los lanzamientos
de un dado, etc.

Esta clasificación sólo existe en la teoría, porque en la práctica existen

poblaciones con un número enormemente grande de elementos, las cuales son
clasificadas como poblaciones infinitas.

Cuando la población está compuesta por un número relativamente alto de

elementos, por razones de costo, tiempo y recursos técnicos que acarrearía la
observación exhaustiva de cada uno de los elementos de la población, es
necesario recurrir a la selección de una muestra representativa de la
población.

5. Muestra

La muestra es un conjunto de unidades pertenecientes a la población,

seleccionadas adecuadamente; es decir, es una parte de la población o
universo. Por ejemplo, de los 150 empleados de una empresa que
constituyen el universo o población en estudio, al azar se pueden seleccionar 30
empleados, que constituyen la muestra.
Al emplear una muestra se busca lograr que al observar una porción
reducida de unidades, se puedan sacar conclusiones semejantes a las que se
obtendrían si se estudiara el total de la población o universo.

Lo ideal es que el número de elementos o unidades de observación que

constituyen la muestra sea igual al de la población, para evitar los errores al
utilizar muestras no representativas. Sin embargo, por la limitación de
recursos, es preciso acudir al muestreo y asumir los posibles errores que puedan
generarse. Cuando el tamaño de la muestra es igual al de la población, el
trabajo realizado se denomina censo.

6. Parámetros y estadígrafos

Los parámetros son medidas que describen numéricamente una característica

de la población, tales como: la media aritmética, la varianza, el coeficiente de
variación, etc. Una población puede tener varias características y, por lo tanto,
varios parámetros

Los estadígrafos o estadísticas son medidas que describen numéricamente una

característica de la muestra; así como los parámetros lo hacen en una población,
igual los estadígrafos lo hacen para la muestra, tales como: la media aritmética, la
varianza, el coeficiente de variación, etc

7. Variables

Una variable es cualquier característica o propiedad de una población o de una

muestra, susceptible de asumir distintos valores o modalidades. Por ejemplo: la
altura de cada uno de los estudiantes de un curso puede tomar distintos valores:
ésta puede ser 1.65 m o 1.72 m, o cualquier otro valor, así la altura es una
variable. Esto no significa que la altura de un estudiante puede variar, sino que la
altura puede variar de un estudiante a otro.
El color también es una variable. Si se toma, por ejemplo, el color de las
camisetas de los estudiantes, esta cualidad puede variar de una camiseta a otra,
ya que puede haber camisetas blancas, negras, rojas, azules, etc. Estos
colores son, en este caso, los distintos atributos o modalidades que puede asumir
la variable en mención.

Las características de los objetos pueden ser o no ser susceptibles de

medida; en el primer caso (la altura de los estudiantes) se tiene una
característica cuantitativa, y en el segundo (el color de la camiseta) una
característica cualitativa. Por esta razón, las variables se clasifican en
cualitativas y cuantitativas.

Variables cualitativas

Las variables cualitativas son las que no permiten construir una serie
numérica definida; los atributos o características que toman son distintas
modalidades observadas cualitativamente. Son variables cualitativas el color,
la profesión, el estado civil, etc.

Para designar variables cualitativas, generalmente se utilizan las primeras letras

del alfabeto en mayúsculas (A, B, C,...) y para designar el atributo se toman las
letras minúsculas acompañadas por subíndices. Por ejemplo, la variable profesión
en una empresa puede ser representada por la letra A y sus posibles
características: administrador, economista, contador, ingeniero.

Variables cuantitativas

Las variables cuantitativas son aquellas que permiten una escala numérica de
medición, toman distintos valores observados cuantitativamente mediante una
medida y una escala de medidas. Son variables cuantitativas la altura, el peso, el
número de hijos de una familia, el salario, el número de artículos producidos en
una semana. Para designar las variables cuantitativas se utilizan las últimas
letras del alfabeto en mayúsculas (... X, Y, Z). Por ejemplo, la variable altura de
cinco estudiantes se representa por X y las alturas 1.65 m, 1.67 m, 1.68 m, 1.70 m
y 1.72 m, se representan por x1, x2, x3, x4 y x5, respectivamente. En este caso,

x1= 1.65 m x2 = 1.67 m x3= 1.68 m

x4 = 1.70 m x5= 1.72 m

Las variables cuantitativas pueden clasificarse en cuantitativas continuas y

cuantitativas discretas.

Una variable es cuantitativa continua si entre dos valores consecutivos puede

tomar infinito número de valores; es decir, entre uno y otro valor de la variable
existen infinitas posibilidades intermedias; son variables continuas el peso, la
temperatura, el tiempo, el salario, etc.

Por ejemplo, el peso es una variable cuantitativa continua porque entre los valores
de 65 Kg y 66 Kg existen infinitos valores, éstos pueden ser 65.9 Kg, 65.99 Kg,
65.999 Kg, etc.

Una variable es cuantitativa discreta si entre dos valores consecutivos no puede

asumir otro valor; en este caso la variable no toma valores decimales. Por
ejemplo, el número de empleados de una empresa, el número de artículos
producidos, el número de empresas de la competencia, etc. En estos casos se
habla de un cierto valor como 10, 11, 12 o cualquier otro número entero, porque es
absurdo decir, por ejemplo, que una empresa tiene 11.8 empleados.
 8. Escalas de medición

Una escala es un sistema para asignar valores numéricos a ciertas

características o rasgos mensurables. Existen varios métodos para ordenar datos;
en la mayoría de los casos, las técnicas de medición se pueden reducir a
cuatro tipos de escalas: nominal, ordinal, de intervalos y de razón.

Escala nominal

La escala nominal se aplica a la variable cualitativa, la cual presenta

diferentes categorías o modalidades, cada una de las cuales recibe un
nombre; de ahí la denominación de esta escala. A las variables con tales
características también se les denomina atributos. Las categorías pueden estar
preconstruidas y ser de aceptación general, o puede definirlas el investigador
de acuerdo con sus intereses, pero en cualquier caso deben ser exhaustivas y
mutuamente excluyentes, esto es, que exista una y sólo una categoría para cada
uno de los elementos de la población.

Ejemplos:

Color = {blanco, rojo, azul, verde, violeta, otro}

Tipo de artículo = {normal, imperfecto}

Cargo = {gerente, coordinador, auxiliar}

Las únicas estadísticas básicas que se pueden obtener a partir de estas variables
son la frecuencia y la moda y, por tanto, los métodos estadísticos disponibles son
aquellos que se basan en las mismas. En el caso de una sola variable, se
pueden obtener tablas de frecuencias y diagramas de barras o de sectores; si
se tienen dos variables se puede realizar un análisis de correspondencia o
construir tablas de contingencia.
Escala ordinal

Cada uno de los niveles de esta escala tiene un rango, lo que permite
establecer comparaciones de orden entre los mismos (mayor que, menor que).
No obstante, no es adecuado, en general, suponer que la distancia entre un nivel y
sus niveles adyacentes superior e inferior es la misma.

Ejemplos:

Estado sanitario = {sano, ligeramente afectado, enfermo, muy enfermo,

muerto}

Estrato socioeconómico = {1, 2, 3, 4, 5, 6}

Producción = {alta, media, baja}

Las variables medidas en esta escala contienen más información que

aquellas medidas en escala nominal; por tanto, se podrían aplicar los mismos
métodos y análisis, prescindiendo de la información de orden.

Adicionalmente, se pueden calcular la mediana y la desviación media. Aunque es

posible reemplazar cada una de los niveles por un número (etiqueta), éste
no aporta información adicional y las relaciones que se pueden establecer
siguen siendo las mismas. Así, se podría hacer corresponder los números del
1 al 5 con cada uno de los niveles de estado fitosanitario, pero lo único que se
podría decir en cuanto a la sanidad es que 1 > 2 > 3 > 4 > 5. En general, será
inadecuada la utilización de estos números para efectuar operaciones o
deducciones matemáticas de otro tipo, como la obtención del estado fitosanitario
promedio, por ejemplo.

Escala de intervalo

Es una escala que contiene más información que las anteriores, pues
además de que existe un orden entre los diferentes niveles, la distancia entre
cualquier par de niveles adyacentes es la misma, lo que implica el uso de una
distancia unitaria de referencia. Esta característica permite establecer relaciones
entre cualquier par de intervalos en la escala; así, es posible afirmar que la
distancia que hay entre 5 y 6 es la misma que hay entre 10 y 11.

Esta escala hace uso de un punto cero que se asigna arbitrariamente en cada
sistema y que no implica ausencia de la característica medida. Este hecho hace
imposible establecer comparaciones de razón. Así, para una característica
medida en esta escala, sería incorrecto afirmar que 5 es la mitad de 10.

Un ejemplo típico es la escala en que se mide la temperatura; para su medición

se pueden utilizar diferentes sistemas: el Celsius, el Fahrenheit, u otro. Dentro de
cualquiera de estos sistemas es posible afirmar que la distancia entre dos
divisiones cualesquiera es la misma, sin importar el lugar de la escala. No
obstante, en la siguiente tabla se observa cómo una relación entre dos
temperaturas cambia dependiendo del sistema, la cual explica por qué no puede
afirmarse que 5 sea la mitad de 10.

Nótese que cualquier escala ordinal que se construya cuidando que la

distancia entre niveles sea la misma constituirá, en realidad, una escala de
intervalos.

Cuando las variables están medidas en esta escala, se pueden calcular todos los
estadísticos, y es posible usar cualesquiera de los métodos estadísticos
clásicos, siempre que se cumplan los supuestos específicos de los mismos.

Escala de razones

Es la escala de medición que tiene más información. Posee un punto cero

verdadero que indica ausencia de la característica, lo que permite realizar
comparaciones no sólo de intervalo, sino también de razones, sin importar el
sistema utilizado.

Cuando se tiene una variable medida en escala de razones, se pueden calcular

todos los estadísticos y es posible utilizar cualesquiera de los métodos
estadísticos clásicos, siempre que se cumplan los supuestos específicos de
los mismos.

Las escalas de medición que contienen poca información se denominan

débiles, y los métodos estadísticos que se pueden aplicar sobre las mismas son,
por lo general, más restringidos. Las escalas de medición con mayor información
se denominan escalas fuertes y pueden analizarse mediante los métodos
diseñados específicamente para su análisis o mediante cualesquiera de los
métodos diseñados para trabajar sobre variables medidas en una escala
más débil, simplemente prescindiendo de la información adicional.

Una clasificación más amplia llama variables cualitativas a aquellas medidas en

escala nominal, y cuantitativas a las medidas en escala de razones o de intervalo.
Las variables medidas en escala ordinal forman un puente entre ambas.

9. MUESTREO

Los métodos estadísticos proponen diferentes tipos de muestreo, aunque en

general pueden dividirse en dos grandes grupos: métodos de muestreo
probabilísticos y métodos de muestreo no probabilísticos.

Métodos de muestreo probabilísticos

Los métodos de muestreo probabilístico son aquellos que se basan en el principio

de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen
la misma probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamaño n tienen la misma
probabilidad de ser elegidas. Sólo estos métodos de muestreo probabilístico
aseguran la representatividad de la muestra extraída y son, por tanto, los más
recomendables. Dentro de los métodos de muestreo probabilístico se
encuentran los siguientes tipos:

Muestreo aleatorio simple

El procedimiento empleado es el siguiente: 1) se asigna un número a cada

individuo de la población, y 2) a través de algún medio mecánico (bolas dentro de
una bolsa, tablas de números aleatorios, números aleatorios generados con
una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario
para completar el tamaño de muestra requerido.

Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica
cuando la población que se está manejando es muy grande.

Muestreo aleatorio sistemático

Este procedimiento exige, como el anterior, numerar todos los elementos de la

población, pero en lugar de extraer n números aleatorios sólo se extrae uno. Se
parte de ese número aleatorio i, que es un número elegido al azar, y los elementos
que integran la muestra son los que ocupan los lugares i, i+k, i+2k, i+3k,...,i+(n-
1)k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el
tamaño de la población entre el tamaño de la muestra.

k=N/n. El número i que se emplea como punto de partida será un número al azar
entre 1 y k. El riesgo se este tipo de muestreo está en los casos en que
se dan periodicidades en la población ya que al elegir a los miembros de la
muestra con una periodicidad constante (k) se puede introducir una homogeneidad
que no se da en la población. Supóngase que se está seleccionando una muestra
sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 últimos
mujeres; si se emplea un muestreo aleatorio sistemático con k=10 siempre serán
seleccionados o sólo hombres o sólo mujeres; no podría haber una representación
de los dos sexos.

Muestreo aleatorio estratificado

Trata de obviar las dificultades que presentan los anteriores, ya que

simplifica los procesos y suele reducir el error muestral para un tamaño dado de la
muestra. Consiste en considerar categorías típicas diferentes entre sí (estratos)
que poseen gran homogeneidad respecto a alguna característica (se puede
estratificar, por ejemplo, según la profesión, el municipio de residencia, el
sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es
asegurarse de que todos los estratos de interés estarán representados
adecuadamente en la muestra. Cada estrato funciona independientemente,
pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el
estratificado para elegir los elementos concretos que formarán parte de la
muestra. En ocasiones, las dificultades que plantea son demasiado grandes, pues
exige un conocimiento detallado de la población (tamaño geográfico, sexos,
edades...).

Muestreo aleatorio por conglomerados

Los métodos presentados hasta ahora están pensados para seleccionar

directamente los elementos de la población, es decir, que las unidades
muestrales son los elementos de la población. En el muestreo por
conglomerados la unidad muestral es un grupo de elementos de la población que
forman una unidad, a la que se denomina conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado
producto, etc. son conglomerados naturales. En otras ocasiones, se pueden
utilizar conglomerados no naturales como, por ejemplo, las urnas electorales.
Cuando los conglomerados son áreas geográficas suele hablarse de
"muestreo por áreas".

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto

número de conglomerados (el necesario para alcanzar el tamaño muestral
establecido) y en investigar después todos los elementos pertenecientes a los
conglomerados elegidos.

Por ejemplo, en una investigación se trata de conocer el grado de

satisfacción laboral de los empleados de una cadena de almacenes; se toma una
muestra de 700 empleados. Ante la dificultad de acceder individualmente a estos
empleados, se decide hacer una muestra por conglomerados.

Sabiendo que el número de empleados por almacén es aproximadamente de 35,

los pasos a seguir serían: • Recoger un listado de todos los almacenes.

• Asignar un número a cada uno de ellos.

• Elegir por muestreo aleatorio simple o sistemático los 20 almacenes

(700/35 = 20) que proporcionarán los 700 empleados que se necesitan.

Finalmente, ante lo compleja que puede llegar a ser la situación real de muestreo
es muy común emplear lo que se denomina muestreo polietápico.

Este tipo de muestreo se caracteriza por operar en sucesivas etapas,

empleando en cada una de ellas el método de muestreo probabilístico más
adecuado.

Métodos de muestreo no probabilísticos

A veces, para estudios exploratorios, el muestreo probabilístico resulta

excesivamente costoso y se acude a métodos no probabilísticos, aun siendo
conscientes de que no sirven para realizar generalizaciones, pues no se tiene
certeza de que la muestra extraída sea representativa, ya que no todos los sujetos
de la población tienen la misma probabilidad de ser elegidos. En general, se
selecciona a los sujetos siguiendo determinados criterios procurando que la
muestra sea representativa.

Muestreo por cuotas

También denominado en ocasiones "accidental". Se asienta generalmente sobre

la base de un buen conocimiento de los estratos de la población y/o de los
individuos más "representativos" o "adecuados" para los fines de la
investigación. Mantiene, por tanto, semejanzas con el muestreo aleatorio
estratificado, pero no tiene el carácter de aleatoriedad de aquél.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de

individuos que reúnen determinadas condiciones, por ejemplo: 20 individuos
de 25 a 40 años, de sexo femenino y residentes en una misma ciudad. Una vez
determinada la cuota, se eligen los primeros que se encuentre que cumplan
esas características. Este método se utiliza mucho en las encuestas de opinión.

Por ejemplo, una universidad desea estudiar la incidencia de las drogas en la

adolescencia. Lo que debería hacer sería: conocer por los informes del
Estado cuáles son los centros educativos más afectados por el problema, fijar un
número de sujetos a entrevistar, proporcional a cada uno de los estratos (cuotas)
y, finalmente, dejar en manos de los responsables del trabajo de campo a
qué sujetos concretos se deberá entrevistar.

Muestreo opinático o intencional

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener

muestras "representativas" mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su utilización en sondeos
preelectorales de zonas que en anteriores votaciones han marcado
tendencias de voto.

Muestreo casual o incidental

Se trata de un proceso en el que el investigador selecciona directa e

intencionadamente los individuos de la población. El caso más frecuente de este
procedimiento es el utilizar como muestra los individuos a los que se tiene fácil
acceso (los profesores de universidad emplean con mucha frecuencia a sus
propios alumnos). Un caso particular es el de los voluntarios.

Bola de nieve

Se localiza a algunos individuos, los cuales conducen a otros, y éstos a otros, y

así hasta conseguir una muestra suficiente. Este tipo se emplea muy
frecuentemente cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, egresados de una
institución, etc.

Evaluación del valor de una encuesta

Cotidianamente se oye o se lee sobre resultados de encuestas en los

diferentes medios de comunicación. Es evidente que los avances
tecnológicos en las comunicaciones han provocado la proliferación de
investigaciones por medio de encuestas; sin embargo, no todas son
aceptables, significativas o importantes.

Para evitar encuestas carentes de objetividad o credibilidad, debe evaluarse con

sentido crítico todo lo que se lee y escucha, además de examinarse el valor de la
encuesta, evaluando los siguientes aspectos: