Muestreo

Concepto

Conjunto de técnicas estadísticas que estudian los métodos de selección de una muestra potencialmente representativa de una población y cuya información permita inferir estimaciones de parámetros poblacionales de interés (total, media, proporción, etc.) o de la función de distribución.

Introducción

Es habitual en muchas áreas de investigación realizar una encuesta para obtener información sobre una característica o parámetro de interés de una población. En general, no es posible obtener esta información directamente, puesto que dicha población puede tener un tamaño considerable y no es viable obtener información de todas sus unidades. En general, la realización de una encuesta por muestreo consta de las siguientes etapas:

• 1. Identificación de la población de interés.
• 2. Seleccionar el marco muestral (lista de los elementos que forman la población de interés), si este estuviera disponible.
• 3. Especificar la técnica de muestreo más apropiada.
• 4. Realización del diseño muestral.
• 5. Ejecutar el plan de muestreo.

Los métodos de muestreo pueden ser clasificados en métodos de muestreo probabilístico y en métodos de muestreo no probabilístico, atendiendo a la disponibilidad o no de un marco muestral bien definido.

Tipos de muestreo

Muestreo probabilístico

En un muestreo probabilístico, cada unidad tiene asociada una probabilidad de inclusión, o probabilidad de ser seleccionada en la muestra. Se cuenta con un marco muestral definido que permite la selección de la muestra por un procedimiento aleatorio determinado y se realizan estimaciones sobre los parámetros poblacionales a partir de los datos provenientes de la muestra. Existen distintas estrategias para seleccionarla, por lo que es posible distinguir varios tipos de muestreo probabilístico. Los métodos más relevantes y conocidos son: el muestreo aleatorio simple, el muestreo aleatorio estratificado, el muestreo sistemático y el muestreo por conglomerados.

En el muestreo aleatorio simple, los elementos de la población se seleccionan de forma aleatoria y todos tienen la misma probabilidad de ser seleccionados en la muestra. En el muestreo estratificado, el investigador divide la población en subgrupos disjuntos cuya unión es toda la población. Cuanto más homogéneos son los grupos, tanta mayor eficiencia tienen los estimadores de parámetros obtenidos con este método. Se selecciona una muestra aleatoriamente de forma independiente en cada grupo. En el muestreo sistemático, el investigador selecciona los elementos de la muestra de acuerdo con un mecanismo de aleatorización (por ejemplo, empleando una tabla de números aleatorios o simplemente a intervalos regulares) dentro de una lista de los elementos de una población. Esto requiere la selección inicial aleatoria de un elemento para que, una vez elegido el primer elemento de la muestra, continuar con la selección de otros miembros de acuerdo con el mecanismo de aleatorización establecido. En el muestreo por conglomerados, la población se divide en varios conglomerados o grupos que se seleccionan aleatoriamente. Una muestra por conglomerados es una muestra aleatoria en la que cada unidad de muestreo es un conglomerado de elementos. En ocasiones, se lleva a cabo una segunda etapa o múltiples etapas para conseguir la muestra objetivo.

Muestreo no probabilístico

En muchas áreas de investigación, la obtención de una muestra representativa sobre el comportamiento y composición de un determinado grupo objeto de estudio, es un problema resuelto mediante métodos de muestreo tradicionales. Sin embargo, en algunas poblaciones con características muy específicas o de difícil acceso, tales técnicas no pueden ser aplicadas puesto que no es posible construir un marco muestral que permita la selección de individuos mediante una probabilidad de selección. En esta situación, resulta conveniente el empleo de técnicas de muestreo no probabilístico. Algunos métodos de muestreo no probabilístico son el muestreo intencional, el muestreo por cuotas y los muestreos basados en la referencia de cadena, como el muestreo en bola de nieve y el muestreo dirigido por los participantes o Respondent-driven sampling (RDS).

En el muestreo intencional, los individuos son elegidos para formar parte de la muestra con un objetivo específico, puesto que el investigador considera que algunos de ellos son más adecuados para la investigación que otros. En el muestreo accidental o consecutivo, se reclutan casos hasta que se alcanza a el número de sujetos necesario para completar el tamaño de muestra deseado.

En el muestreo por cuotas, se seleccionan las muestras en diferentes estratos de la población, pero a diferencia del muestreo por conglomerados, el investigador selecciona las que consideran puede ser más representativas.

El muestreo de referencia de cadena es apropiado cuando los miembros de la población objetivo se conocen entre sí y están estrechamente interconectados. El muestreo en bola de nieve se inicia con una muestra de conveniencia de individuos. Estos individuos reclutan a otras personas que cumplen los criterios de investigación. Este proceso continúa durante tantas etapas como se desee. Los contactos suelen producirse a través de redes sociales, de modo que las personas con mayores contactos personales tenderán a tener una mayor ponderación en la muestra. Este es uno de los motivos principales por los que el muestreo en bola de nieve no proporciona muestras representativas de una población de interés.

El muestreo dirigido por los participantes RDS es una versión más avanzada que el muestreo en bola de nieve. Se emplea para muestrear poblaciones humanas raras, difíciles de alcanzar, estigmatizadas y/o ocultas. Algunos ejemplos de aplicaciones son: drogadictos, miembros de la comunidad LGTBI, personas con riesgo de contraer el VIH, poblaciones indígenas y las personas sin hogar. Este muestreo ha sido ampliamente utilizado por organizaciones de salud en todo el mundo. El muestreo se inicia mediante la selección no aleatoria de los primeros participantes (llamados semillas), que serán los encargados de seleccionar un número limitado de nuevos miembros de la población de referencia. Estos nuevos miembros seleccionados tendrán a su vez la función de seleccionar a otros participantes y así sucesivamente. Cada grupo reclutado en cada etapa se llama ola y se genera un número suficiente de olas hasta completar la muestra necesaria prevista.

Las principales ventajas de RDS son:

• - No necesita disponer de un marco muestral.
• - Los estimadores RDS proporcionan una menor ponderación a individuos con un mayor número de contactos.
• - La metodología RDS permite realizar inferencia sobre parámetros poblaciones de interés.
• - Es mucho más económico que el muestreo probabilístico tradicional.