Lectura 3- Experimientación y Muestreo

Mdulo 3

Unidades 5 y 6

Lectura 8

Experimentacin y Muestreo

Materia: Mtodos y Tcnicas de Investigacin Social

Profesor: Mgter. Vernica Herrero

Materia:MtodosyTcnicasdeInvestigacinSocialProfesora:Mgter.VernicaHerrero|2

Unidad 5: El Diseo Experimental

5.1 La lgica del control de las variables 5.1.1. El lenguaje de los experimentos: grupo control, grupo experimental, variable dependiente, variable independiente.

La experimentacin constituye una de las maneras de realizar investigaciones, en las cuales es clave la intervencin y el control que el investigador tiene a su cargo. Es decir, se sustenta en la posibilidad de mantener bajo su dominio a la variable cuyo efecto se est estudiando. En particular interesa en este tipo de estudios verificar relaciones entre una variable que causa (variable independiente o tratamiento) un cierto efecto sobre otra (variable dependiente). En resumen, la experimentacin se concentra en medir los cambios en cierto fenmeno debidos a los cambios en el estmulo experimental o variable independiente.

La experimentacin no es simplemente una forma de recoger datos, sino que combina diversas formas de recoleccin de datos en una manera de investigar.

En diversos diseos de investigacin se organizan dos grupos que sern comparados a los fines de medir el efecto de la variable dependiente o de respuesta:

Grupo experimental: conjunto de individuos a los cuales se les aplicar el o los tratamientos.

Bibliografa Bsica

Para cumplir con los objetivos de la Unidad 5 del programa, es necesario profundizar en los temas desarrollados en el Captulo 7 del texto de Hernndez Sampieri (2oo3) y en el Captulo 2 de Campbell y Stanley (1970), relacionndolos con los comentarios, reflexiones y ejemplos de las lecturas del mdulo.

(Lectura 8)


Grupo de control: conjunto de individuos en los cuales se realizarn mediciones a fin de constituirse una referencia de comparacin, ya que no se les aplicar el tratamiento.

La principal ventaja de este mtodo es que permite comprobar hiptesis acerca de causalidad de una o ms variables sobre otra. Adems, este mtodo favorece el control frente a explicaciones alternativas del fenmeno y facilita el anlisis de situaciones en las que se desarrolle interaccin grupal de individuos.

Otro aspecto positivo de la metodologa es la posibilidad de replicar el experimento en condiciones similares y an en diferentes momentos del tiempo. En relacin con otros mtodos, adems de los dems aspectos a favor, suele tener costos moderados.

Entre las desventajas de la experimentacin, surgen en primer lugar los problemas derivados de la exigencia de validez externa, que implican serias dificultades para generalizar los resultados.

En el caso de los experimentos en mbitos naturales, las exigencias del control experimental son ms difciles de cumplir.

En general, es muy complejo, debido a la necesidad de colaboracin de los individuos, poder trabajar con muestras realmente representativas.

Como analizaremos en detalle, suelen tener efectos nocivos, los comportamientos de los individuos participantes por saberse parte de un experimento y hasta por la propia presencia del investigador.

El diseo experimental

El inters principal de este tipo de investigacin se asocia con la idea de causalidad.


El estudio de la causalidad exige, tal como seala Cea Dncona (pp. 294), comprobar tres criterios fundamentales proporcionados por el filsofo, historiador y economista escoss Davis Hume (1711-1776):

Contigidad entre causa y efecto. Precedencia temporal de la causa al efecto. Conjuncin permanente de la causa y efecto (siempre que se

presenta la causa tambin se da el efecto; y no se da el efecto si la causa no est presente).

Asimismo, es importante controlar que se excluyan otras explicaciones alternativas, lo cual da seales de validez interna del experimento.

El investigador debe decidir entre una variedad de diseos experimentales. Una clasificacin til, propuesta por los autores Campbell y Stantey1, se indica en el siguiente esquema:

Figura 1: Diseos experimentales

Fuente: Elaboracin propia

Los experimentos intersujetos consisten en la conformacin de distintos grupos de sujetos a cada uno de los cuales se les aplica diferentes tratamientos a fin de medir los respectivos efectos sobre la variable de respuesta o dependiente.

1 Campbell y Stanley (1970). Diseos experimentales y cuasi-experimentales en la investigacin social. Buenos Aires. Amorrortu.


El primer tipo de diseo de esta clase, los grupos aleatorios, implica que se comparan dos grupos: el grupo experimental y el grupo de control. Este ltimo como hemos mencionado, sirve para controlar el efecto de variables perturbadoras. La siguiente figura (nmero 2) resume las variedades que pueden tomar los diseos especficos de grupos aleatorios.

Estos diseos no estn libres de limitaciones. La principal desventaja del diseo solamente despus, es que no se cuenta con seguridad de la aleatoriedad al asignar los individuos al grupo de tratamiento y el grupo de control. En el caso de los diseos antes y despus, si bien la medicin previa facilita la comparacin en el efecto entre ambos grupos, la restriccin se asocia con las ideas que los participantes desarrollan acerca de los propsitos del estudio y la posibilidad e que esta presuncin los haga actuar de manera diferente al comportamiento que tendran si lo desconocieran. El diseo de Solomon permite superar las limitaciones de los dos diseos anteriores, combinando sus respectivos puntos fuertes y minimizando sus debilidades.

Figura 2: Diseos de grupos aleatorios



Los diseos intersujetos de ms de dos grupos corresponden a los casos donde se evalan distintos valores o niveles de la variable independiente o de tratamiento.

El tercer caso de diseos intersujetos, los experimentos factoriales, permiten el anlisis del efecto de ms de una variable independiente sobre la variable dependiente, cada una de las cuales se considera en distintos niveles o valores posibles. Estos factores (cantidad de variables independientes incluidas en el experimento y cantidad de valores posibles de cada variable) determinan la complejidad y el tamao de la muestra de estudio.

Los experimentos intrasujetos consisten en aplicar a un mismo grupo de individuos, en momentos sucesivos, distintos niveles del tratamiento, con la intencin de apreciar los cambios sucesivos en la variable de respuesta. La limitacin ms evidente se asocia con el desgranamiento de la muestra y con los sesgos provocados por la participacin reiterada en el experimento. La siguiente figura indica la variedad de opciones de diseo para los experimentos intrasujetos.

Figura 3: Diseos intrasujetos



La lgica del control de variables.

Con miras a la comprobacin de causalidad es que adquiere principal importancia el control que se ejerza durante la experimentacin, para excluir cualquier interpretacin diferente de la relacin causa-efecto observada.

En el caso de los experimentos, es necesario realizar un control a priori, para no incurrir en tal tipo de error. El control a posteriori permite justamente excluir las explicaciones alternativas de una relacin causal observada en otro tipo de investigacin.

Para establecer el control a priori, es decir, antes de la captura de datos, se consideran los ingredientes bsicos que caracterizan a los estudios experimentales:

a) Manipulacin experimental El investigador disea una estrategia que le permite someter a prueba la relacin causal que le resulta de inters entre una variable dependiente y otra u otras independiente/s. La variable independiente ser aplicada a un grupo de sujetos experimentales, frente a otro grupo (de control) al cual no se le aplica, en el caso de algunos diseos experimentales. Otros diseos incluyen adems, la posibilidad de comprobar el efecto de diferentes niveles de la variable independiente (o tratamientos), sobre la variable dependiente.

b) Control del investigador Slo ser posible la manipulacin experimental si se pueden controlar o eliminar otras influencias que pudieran tener efecto en la relacin causal y que no sea objeto de anlisis en tal caso. Este requisito no implica que llevar a cabo tal control (en particular en lo referido a variables extrnsecas o externas) sea simple desde el punto de vista prctico, pero es un requisito ante la posibilidad de invalidar las conclusiones.

c) Aleatorizacin En los diseos en los cuales se contrasta la situacin de un grupo experimental (al cual se aplica el tratamiento de inters) con la correspondiente a otro grupo (de control) al cual no se le aplic el tratamiento, es fundamental que la asignacin de individuos a uno u otro se realice de manera aleatoria. Este procedimiento consiste en que sean asignados al azar, sin ninguna interferencia voluntaria del


investigador. Evidentemente si los individuos que pertenecen a uno u otro grupo tienen caractersticas diferentes, es posible que la explicacin del experimento no sea correcta, ya que efecto se deba ms a las caractersticas de los sujetos que a la variable manipulada.

En el caso de los diseos vinculados con la comparacin del nivel de tratamiento en varios grupos experimentales, tambin es necesario que la asignacin a los diferentes grupos se realice con procedimientos azarosos y no por decisin del investigador ni por autoseleccin.

El grupo de control justamente acta como modo de controlar los factores diferentes del tratamiento, ya que operan tanto afectando al grupo de control como al grupo de tratamiento, y ser posible entonces contar ese conjunto de efectos respecto del efecto de inters vinculado con la manipulacin experimental.

La aleatorizacin procura hacer que ambos grupos (control y experimental) resulten equivalentes, o lo que es lo mismo, que tengan caractersticas semejantes.

Cea DAncona destaca en relacin con la aleatorizacin:

Al seguirse un procedimiento de asignacin grupal aleatorio, se da a todos los individuos que participan en el experimento la misma probabilidad de pertenecer a cualquiera de los grupos. Esto favorece la equitatividad en el reparto de la muestra en los distintos grupos. (pp. 296).


5.2 Diseos defectuosos: diseos pre-experimentales y cuasi-experimentales

Cuasi-experimentos: los cuasi-experimentos poseen aparentemente todas las caractersticas de los experimentos verdaderos. La principal diferencia con stos es que, segn los casos, no es posible manipular la variable independiente o asignar aleatoriamente los sujetos a las condiciones experimentales. Podran ser calificados de adaptaciones ms o menos ingeniosas de los experimentos verdaderos, con el objetivo de separar los efectos debidos a la intervencin de aquellos provocados por las variables no controladas.

Diseos preexperimentales:

Diseo pretest- postest de un solo grupo: este diseo consta de un solo grupo sobre el que se ha realizado una observacin antes y otra despus de la aplicacin del tratamiento. Como solo existe un grupo de sujetos, no hay asignacin aleatoria.

Este diseo es de carcter intrasujeto. Su limitacin fundamental estriba en la carencia de grupo control que imposibilita el establecimiento de argumentos de causalidad acerca del tratamiento.

Diseo de grupo no equivalentes sin pretest: este tipo de diseos cuentan con dos grupos, uno experimental y otro control no equivalente. La asignacin es no aleatoria, significa que el investigador no ha podido cumplir el requisito de la aleatorizacin y garantizar con ello la equivalencia de ambos grupos. Como su nombre indica, ninguno de los grupos ha tenido una medicin previa a la introduccin de la variable independiente.

Este diseo tiene un carcter intersujeto. Las limitaciones de este diseo radican en la ausencia de asignacin aleatoria y la carencia de medida pretest que impiden la utilizacin de procedimientos de ajuste estadstico.


En este diseo la ausencia de medida pretest suele compensarse utilizando algn tipo de medida previa, de archivos existentes o de los propios sujetos, por alguno de los siguientes procedimientos:

Con pretest retrospectivos . Formando los grupos control y experimental a posteriori por

emparejamiento. Utilizando variables aproximadas (proxy), que sustituyen a

las variables originales y correlacionan con el postest dentro de cada uno de los grupos, pero no se miden en la misma escala.

Diseos de grupo control no equivalente: se utilizan uno o varios grupos a los que se les aplica la variable independiente (la intervencin o tratamiento) y de uno o varios grupos de control (que no reciben la intervencin o tratamiento). En unos u otros grupos se realizan medidas pre y postratamiento. El ejemplo prototpico sera el siguiente:

Diseo de grupo control no equivalente pretest y postest: los grupos forman conjuntos naturales, lo ms similares posibles, que son asignados aleatoriamente a las condiciones de tratamiento.

5.3 Criterios del diseo de investigacin. Validez interna y externa.

La validez de un experimento es la medida en que las conclusiones extradas de los experimentos son ciertas. Permite saber si los resultados reflejan una relacin causa-efecto entre la variable dependiente y las manipulaciones operadas en la/s variable/s independiente/s.

La validez interna hace referencia al grado en que el diseo de investigacin identifica con precisin relaciones causales. Lo cual significa que se pueden descartar otras explicaciones de los resultados, diferentes de las que se identifican como causa-efecto.


Una serie de factores limitan la validez interna (denominados fuentes de invalidez). Entre tales factores se destacan:

Maduracin: hay cambios que van experimentando los sujetos de prueba, fruto slo del paso del tiempo, ms all de la exposicin a los diferentes niveles del tratamiento. A fin de controlar este inconveniente, el uso de grupo de control permite comparar la evolucin de otros sujetos no expuestos al tratamiento durante el mismo lapso de tiempo.

Historia: los cambios externos al experimento que pueden determinar alternaciones en la variable de respuesta no provocados por la variable independiente. A fin de reducir su efecto, la comparacin con el grupo de control y la definicin de perodos experimentales no tan extendidos, son las principales maneras de controlarlo.

Instrumentacin: los cambios producidos en los instrumentos de medicin (o en la pericia de los responsables de la medicin realizndola) tambin introducen problemas de validez. Tambin se reduce su efecto confusor a travs del uso de grupo de control.

Mortalidad experimental. el abandono de algunos sujetos experimentales provoca una reduccin (algunas veces incluso sesgada) del tamao de la muestra bajo estudio. Mientras menor sea la duracin del estudio ser menor el impacto de este efecto.

Efecto de regresin: cuando individuos que presentaron valores extremos en las mediciones pretest, en las siguientes mediciones regresan a los valores medios o tpicos. Este efecto es atenuado por la aleatorizacin en la conformacin de los grupos experimentales y de control, y de los diferentes grupos experimentales si correspondiera.

Efecto de la medicin inicial: los individuos pueden desarrollar tras la prueba previa al experimento, alguna idea sobre la verdadera finalidad del estudio, y esto a su vez determinar comportamientos diferentes a los que hubieran tenido si no saban nada acerca del propsito del experimento.


La propia existencia del grupo de control deriva en la existencia de fuentes de invalidez especficas:

Sesgos de seleccin: los individuos que conforman los grupos experimental y de control poseen caractersticas distintas. La solucin est asociada con la aleatorizacin.

Compensacin al grupo de control por la privacin del tratamiento. Los investigadores se dirigen al grupo de control de una manera especial, lo cual impide realizar una comparacin no viciada con el grupo experimental.

Es muy importante que los individuos que forman parte de cada grupo (control y experimental) desconozcan en qu grupo se encuentran.

En el caso de la validez externa, esta medida indica que puede esperarse que la relacin causal descubierta en un estudio sea vlida para la poblacin meta en su conjunto, es decir, ms all de los lmites del propio experimento y sus individuos de estudio especficos.

Casodeaplicacindeundiseoexperimentaly fuentesdeinvalidez:

ElefectodeHawthorneexperimentosenproductividad

Resumen:EfectoHawthorne.Tendenciade laspersonasamodificarsushbitosporque son objeto de inters y atencin especial en un estudio,independientemente de la naturaleza especfica de la intervencin que reciben.Estetrminotienesuorigenenestudiosrealizadosenlosaosveinteenlasobrasde la Compaa Western Electric en Hawthorne, Illinois. Los trabajadoresexpuestos a niveles variables de intensidad de la luz incrementaban suproductividad independientemente de que la intensidad hubiera aumentado,disminuidoonohubieravariado.Seconsiderquedeterminadascaractersticasdelasituacindelestudio, independientesde la iluminacin, fueron lacausade loscambios de productividad. En un ensayo sin grupo de control es imposibledistinguir el efectoHawthorne del efecto del tratamiento. El efectoHawthornecontribuyealefectoplacebogeneral.

La productividad puede tener un efecto profundo sobre sus equipos conjuntos de la relacin. La comprensin de cmo aumentar la productividad o trabajar salida de su equipo o del


equipo de su socio conjunto puede aumentar sus beneficios tan bien como cree los proyectos futuros de la sociedad.

La planta de Hawthorne era el brazo de fabricacin para las compaas telefnicas del sistema de Bell. Emple sobre 29.000 hombres y mujeres en la fabricacin de telfonos, de equipo de sede, de bobinas cargadas, de alambre de telfono, de cable cubierto de plomo, de cable del peaje, y de otras formas de aparatos de telfono.

En los mediados de los aos veinte, la planta de Hawthorne emprendi una serie de estudios para investigar cmo podra mejorar la productividad del trabajador. Particularmente, la compaa estaba interesada en el descubrimiento de si manipulaba la iluminacin; recortes en los horarios, y otras condiciones del lugar de trabajo llevaran a una productividad ms alta. Fue pensado que incluso las mejoras leves podran tener impacto significativo en el fondo de la compaa debido a el volumen enorme de productos que la planta produca para la red de Bell.

Uno de los experimentos ms tempranos implic a un grupo de seis mujeres de la cadena de produccin de la arrollar-bobina. Tiraron de la lnea y fueron vueltos a poner a estos voluntarios en un cuarto ms pequeo en donde los varios elementos del ambiente podran ser manipulados.

El primer experimento miraba si el cambio de la intensidad de la iluminacin en el ambiente de trabajo tendra un impacto positivo en la produccin. Utilizaron a los experimentadores comenzados con la misma intensidad de luz los trabajadores en a la cadena de produccin. Entonces aumentaron la luz alguna candela.

La productividad subi.

Satisfecho con los resultados, aumentaron la luz del sitio en otra poca candela.

La productividad subi otra vez.

Ahora, absolutamente confiados en haber hallado algo, continuaron aumentando la iluminacin del sitio un poco ms cada vez hasta que la iluminacin en el cuarto fuera varias veces la intensidad normal. En cada incremento del cambio, la productividad de las seis mujeres continu levantndose. A este punto, los investigadores sentan una necesidad de validar su hiptesis que una mejor iluminacin era responsable de la salida creciente, as que trajeron la intensidad de luz de nuevo al punto de partida original.

Para su sorpresa, la productividad continu subiendo.


Incomodado simultneamente e intrigado, el equipo de investigacin redujo nuevamente la iluminacin, y sin embargo la productividad continu elevndose. Continuaron reduciendo la iluminacin en el cuarto hasta que las mujeres trabajaran con muy poca iluminacin. En cada reduccin de la iluminacin, la productividad segua siendo un poco ms alta, y continu levantndose hasta que la iluminacin fuera tan dbil que las mujeres podran ver apenas su trabajo.

Qu se encenda?

No era claramente una mejora en la iluminacin que aument la productividad, especialmente puesto que la productividad continu levantndose frente a condiciones de iluminacin menos favorables. Despus de la prueba numerosa otros factores ambientales, la respuesta emergieron. Aunque estos cambios en el ambiente del trabajo tuvieran cierto poco efecto, la razn de la produccin ms alta puesta en el hecho de que traer a los trabajadores juntos permiti que se unieran en un grupo cohesivo, y eran la creacin de este grupo dinmico que tena un efecto profundo sobre el modo de pensar y la salida de cada miembro individual del grupo.

Mientras que eran apenas partes sin nombre en la cadena de produccin, los trabajadores carecieron cualquier sentido de la importancia. Tenan pocas asociaciones significativas con sus compaeros de trabajo. Su relacin con su jefe era sobre todo adversarial. El jefe bsicamente se encargaba de indicarles que mejoraran sus tiempos de produccin y el volumen producido. Generaban en tales condiciones una responsabilidad personal en cuanto a generar un producto de calidad. Algn otro fij los estndares, y operaban segn instrucciones.

No haba mucho orgullo en hacer la tarea. Era apenas un trabajo.

Pero todo el esto cambi cuando las retiraron de la cadena de produccin y fue dado a cada una de las seis mujeres su propio espacio de trabajo privado. Desde el principio se enfocaron en la atencin prestada a ellas por el equipo de investigacin. Cada uno de las mujeres no era apenas una cara impersonal en la cadena de produccin. Ella ahora era alguien.

Fuente: Basado en: El efecto de Hawthorne - experimentos en productividad. http://www.content4reprint.com/view/spanish-89139.htm


Unidad 6: Poblacin y Muestra. Representatividad de un resultado

muestral. Generalizacin.

Introduccin

Una primera manera de estudiar cierto fenmeno o grupo de inters, consiste en relevar datos del conjunto completo de tales objetos y/o individuos. En tales situaciones decimos que realizamos un censo de esa poblacin. Como puede deducirse fcilmente, si tal conjunto de inters est conformado por un nmero elevado de casos, este procedimiento demandar un enorme tiempo de aplicacin, costos relativamente elevados (en trminos totales), y grandes dificultades desde el punto de vista de la logstica de la organizacin del trabajo de campo y dems aspectos operativos.

El universo de estudio en diversos problemas de investigacin consiste en una poblacin numerosa o debido a restricciones en los recursos no es posible realizar un estudio exhaustivo de ese universo de inters. En tales situaciones se recurre al muestreo.

El muestreo es una herramienta de investigacin cientfica, orientada a determinar qu parte de cierta realidad de inters (poblacin o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que se comete debido al hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versin simplificada de la poblacin, que reproduzca de algn modo sus rasgos bsicos.

En el proceso de obtener conclusiones para una poblacin a partir de una muestra se cometen errores. Estos errores pueden ser de dos tipos: sistemticos y aleatorios. Los primeros, conocidos tambin como sesgos, se deben tratar de minimizar, haciendo todos los esfuerzos en las tareas previas y posteriores a la obtencin de la muestra, en tanto los errores muestrales, los cuales pueden ser

Bibliografa Bsica

Para cumplir con los objetivos de la Unidad 6 del programa, es necesario profundizar en los temas desarrollados en el texto de ctedra sobre tcnicas de muestreo, del profesor Bologna (2003) incluido en la bibliografa bsica, relacionndolo con los comentarios, reflexiones y ejemplos de las lecturas del mdulo.

(lecturas 8, 9 y 10)


cuantificados, se definen a partir de diferentes factores, uno de los cuales es el tamao de la muestra.

Sinteticemos las definiciones de algunos trminos claves de esta seccin:

Universo o poblacin: conjunto de individuos objeto de estudio.

Muestra: cualquier subconjunto de la poblacin.

Muestra representativa: muestra que se pretende que represente a la poblacin. Para adquirir esta caracterstica debe hacer resultado seleccionada a partir de determinados procedimientos que garanticen la aleatoriedad y el conocimiento de la probabilidad de seleccin de cada individuo de la poblacin.

Unidades de muestreo: nmero de elementos de la poblacin, no repetidos, que van a ser estudiados.

Unidades de anlisis: objeto o individuo acerca del cual que hay que obtener la informacin.

Marco muestral: lista de unidades o elementos de muestreo.

Error muestral: diferencia entre el verdadero valor poblacional que se desea inferir y el valor obtenido a travs de la muestra del correspondiente estimador muestral.


6.1 y 6.2 Muestreos Probabilsticos y No Probabilsticos

Se distinguen dos tipos bsicos de muestreo: el muestreo no probabilstico y el probabilstico. Como se mencionara previamente, slo a travs de este ltimo es posible obtener muestras representativas de una poblacin.

Para facilitar la organizacin del material, se tratars en primer lugar los muestreos no probabilsticos (6.2 en programa) y luego los muestreos probabilsticos (6.1 en programa)

A- Muestreos no probabilsticos, razones de su utilizacin (6.2 en programa)

A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no probabilsticos, a pesar de que no sirven para realizar inferencias, pues no se conoce si la muestra extrada sea representativa. En las muestras no probabilsticas los elementos de la poblacin no tienen una probabilidad conocida de formar parte de la muestra. Estas muestras no tienen valor desde el punto de vista estadstico.

Entre los procedimientos ms utilizados de muestras no probabilsticas se destacan:

Muestras intencionales o por juicio del investigador, son aquellas en las que el investigador interroga solamente a ciertos informantes claves elegidos por el. Tienen utilidad en investigaciones de tipo exploratorio. Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras "representativas" mediante la inclusin en la muestra de grupos supuestamente tpicos.

Muestra por cuotas. Se definen cuotas o nmeros de individuos a entrevistar con determinadas caractersticas y los propios encuestadores seleccionan por su cuenta a los entrevistados. Una vez determinada la cuota se eligen los primeros que se encuentren que cumplan esas caractersticas.


Este procedimiento presenta semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul.

Muestreo casual, incidental o por conveniencia: se trata de un proceso en el que el investigador selecciona directa e intencionadamente los individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar como muestra los individuos a los que se tiene fcil acceso.

Bola de nieve: se localiza a ciertos individuos, los cuales conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea cuando se efectan estudios con poblaciones de difcil acceso o con muy baja participacin en el total.

B- Muestreos probabilsticos (6.1 en programa)

En las muestras probabilsticas, cada elemento de la poblacin tiene una probabilidad conocida de formar parte de la muestra. El mtodo otorga una probabilidad conocida de integrar la muestra a cada elemento de la poblacin, y dicha probabilidad no es nula para ningn elemento.

Los distintos tipos de muestras probabilsticas son:

Muestreo aleatorio simple: muestra en la que se eligen los integrantes al azar entre el total de la poblacin. Requiere disponer de un listado de los elementos de la poblacin, su numeracin y elegir al azar (por ejemplo usando una tabla de nmeros aleatorios o a travs de un sorteo, a los individuos que integrarn la muestra).

Sus ventajas son:

Metodologa muy simple desde el punto de vista estadstico, tanto para llevar a cabo como para interpretar y utilizar.

Es insesgada, especialmente est libre de los sesgos que introduciran ponderaciones incorrectas.

No supone un conocimiento previo de la poblacin de la cual se va a extraer la muestra; y, en consecuencia, tiende a reflejar todas las caractersticas del universo.

No obstante la simplicidad conceptual, puede ser muy difcil de llevar a la prctica, debido por ejemplo, a la dificultad para contar con un listado exhaustivo de todos los individuos que componen la poblacin.


Muestreo sistemtico es el que se sigue cuando se elige segn un orden determinado, uno de cada x individuos del listado de la poblacin de inters. Se menciona la ventaja en la seleccin de la muestra y la desventaja es que si hay una tendencia en el orden esta sesgando los resultados.

Ejemplo: tenemos un listado de 21 individuos que conforman la poblacin de inters. Se ha determinado que el tamao de muestra que se emplear para capturar informacin es n=5.

Esto implica que tomaremos un intervalo de muestreo de k=4 (vamos a seleccionar 1 de cada 4 individuos de la poblacin). Veamos a continuacin nuestro listado o marco muestral:

Tabla 1: Ejemplo de aplicacin de muestreo sistemtico marco muestral

Nmero de

orden

Individuo Nmero de

orden

Individuo Nmero de

orden

Individuo

1 A 8 H 15 O

2 B 9 I 16 P

3 C 10 J 17 Q

4 D 11 K 18 R

5 E 12 L 19 S

6 F 13 M 20 T

7 G 14 N 21 U


En primer lugar debemos seleccionar un punto de arranque aleatorio, es decir desde qu nmero de orden comenzaremos a tomar individuos de la muestra con el intervalo definido. Este nmero de arranque (AR) debe ubicarse entre 1 y 4. Para ello, con un generador de nmeros aleatorios desarrollamos tal seleccin. En nuestro ejemplo, supongamos que el arranque aleatorio es 2. Luego, la secuencia de orden seleccionada ser:


AR; AR + k; AR + 2k; AR + 3k.

Por lo tanto en el ejemplo, tenemos:

2; 6; 10; 14; 18

Con tales individuos seleccionados (indicados en negrita en la Tabla 2), conformamos la muestra de estudio.

Tabla 2: Ejemplo de aplicacin de muestreo sistemtico muestra seleccionada

Nmero de

orden

Individuo Nmero de

orden

Individuo Nmero de

orden

Individuo

1 A 8 H 15 O

2 B 9 I 16 P

3 C 10 J 17 Q

4 D 11 K 18 R

5 E 12 L 19 S

6 F 13 M 20 T

7 G 14 N 21 U


Debe observarse que con este mtodo garantizamos una muestra del tamao requerido, con un salto entre casos seleccionados igual al intervalo k.

Muestreo estratificado: es cuando la poblacin se divide en estratos y se hace un muestreo aleatorio simple dentro de cada estrato.


Ventajas:

el estrato necesita una muestra ms pequea que el muestreo aleatorio simple.

Desventaja:

Los estratos deben presentar homogeneidad interna y heterogeneidad entre estratos.

En el caso del muestreo estratificado, se debe tomar una decisin interesante vinculada con la cantidad de casos de la muestra que se asignan a cada estrato. Esta definicin del tamao muestral de los estratos se denomina afijacin. Existen las siguientes posibilidades en cuanto a la afijacin de estratos:

Proporcional: el tamao de la muestra de cada estrato es proporcional al tamao del estrato en la poblacin ("la fraccin de muestreo es igual para cada estrato"). Ejemplo:

Tabla 3: Afijacin proporcional

Poblacin Muestra

Estrato (i) Tamao (Ni) Estrato (i) Tamao (ni)

1 500 1 25

2 200 2 10

3 300 3 15

4 1000 4 50

5 500 5 25


Igual: todos los estratos muestrales poseen el mismo tamao, independientemente de su tamao poblacional relativo. Para realizar estimaciones del total poblacional debe aplicarse una ponderacin que corrija el efecto de la afijacin igual. Ejemplo:


Tabla 3: Afijacin igual

Poblacin Muestra

Estrato (i) Tamao (Ni) Estrato (i) Tamao (ni)

1 500 1 30

2 200 2 30

3 300 3 30

4 1000 4 30

5 500 5 30


ptima: Se realizan proporcionalmente ms casos en los estratos donde la variabilidad entre los individuos es mayor. Tambin se requiere ponderar los casos para estimar totales poblacionales.

Muestreo por conglomerados: es utilizado en aquellos casos donde el universo a estudiar est disperso en diferentes reas geogrficas alejadas o situaciones similares. Luego se elige un conglomerado, es decir uno de los grupos formados. En este caso, se supone (y debe verificarse) que la variabilidad dentro de los grupos es mxima y que es muy reducida la variabilidad entre grupos, por ello es indiferente al momento de la seleccin cul de los grupos o conglomerados se incluye en la muestra.


Figura 4. Resumen de ventajas y desventajas de los diferentes

procedimientos de muestreo probabilstico

Fuente: http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf


6.3 Algunas consideraciones sobre el tamao de la muestra

Denominamos tamao de muestra a la cantidad de casos que la muestra contiene.

En el caso de la estimacin de un promedio poblacional, utilizando un procedimiento de muestreo aleatorio simple, debemos disponer de informacin acerca de la variabilidad de la caracterstica estudiada en la poblacin y seleccionar los niveles deseados de error muestral mximo y del nivel de confianza sobre tal nivel de error. Veamos los diferentes casos posibles y sus frmulas de clculo.

1.- Tamao muestral si trabajamos con una poblacin infinita (denominamos una poblacin infinita a aquella donde la muestra en relacin con la poblacin tiene una relacin muy reducida, inferior al 5% de la poblacin).

donde:

: Z correspondiente al nivel de confianza elegido. Z es el valor de la variable con distribucin normal, con media 0 y desviacin estndar 1. A los fines prcticos, para el nivel de confianza habitual utilizado en este tipo de estudios (95%), el valor de Z es de 1,96.

: varianza poblacional

e: error muestral mximo

Ejemplo:2

2 Ejemplo basado en el caso desarrollado en el Tutorial de Muestreo: Clculo del tamao de la muestra. Universidad de Oviedo. Disponible en http://www.psico.uniovi.es/dpto_psicologia/metodos/tutor.7/p3.html


El Ministerio de Trabajo desea conocer el promedio de horas semanales trabajadas por el personal contratado para servicio domstico. La muestra se toma a partir de una poblacin de 10.000 personas ocupadas en ese sector, que se encuentran registradas. Se conoce a partir de un estudio piloto que la varianza es de 9,648. Se desea trabajar con un nivel de confianza del 95% y se tolera un error muestral mximo de 0,1 horas. Calcular el tamao muestral necesario para garantizar estas condiciones deseadas.

Resolucin:

Buscamos en las tablas de la curva normal el valor de que

corresponde con el nivel de confianza elegido: = 1.96 y seguimos los pasos indicados.

2. Tamao de muestra para estimar la proporcin de la poblacin Para calcular el tamao de muestra para la estimacin de proporciones poblacionales hemos de tener en cuenta los mismos factores que en el caso de la media. La frmula para determinar el tamao muestral es la siguiente:

2

2

(1 )Z P Pne=

donde

: z correspondiente al nivel de confianza elegido P: proporcin de la categora de inters de la variable e: error muestral mximo

Ejemplo:3

En el estudio mencionado en el ejemplo anterior, se trata de estimar la proporcin de trabajadores en el sector que trabajan diariamente 10 horas o ms. Del estudio piloto se conoce que P=0,30 (P= proporcin de trabajadores del sector que trabajan 10 horas o ms, pero estimado con los pocos casos que permiti el estudio piloto). Se desea trabajar con un error

3 Ejemplo basado en el caso desarrollado en el Tutorial de Muestreo: Clculo del tamao de la muestra. Universidad de Oviedo. Disponible en http://www.psico.uniovi.es/dpto_psicologia/metodos/tutor.7/p3.html


muestral mximo de 0,02 (o lo que es lo mismo, un 2%), y con un nivel de confianza del 95%.

2

2

1,96 0,30(1 0,70) 20170,02

n = =

Si en cada una de las frmulas presentadas se despeja el valor del error muestral (e), es posible determinarlo, con informacin sobre el tamao de muestra, el nivel de confianza deseado y la desviacin estndar.

Las siguientes pginas proveen la posibilidad de calcular de manera automtica los tamaos muestrales (algunas de ellas se encuentran en ingls):

http://www.quantitativeskills.com/sisa/calculations/samsize.htm

http://www.esbconsult.com/esbstats/

A continuacin veamos un ejercicio de aplicacin.

Ejercicio: para un trabajo de investigacin (cuyo universo de estudio es una poblacin infinita, con 24.000.000 de habitantes), queremos saber cuntas personas viajarn a trabajar al extranjero, con la decisin de radicarse definitivamente en el pas de destino. Cul debe ser el tamao de la muestra para un nivel de confianza de la encuesta del 95.5% y un margen de error de 4%?

Resolucin:

Z = 2; P = 0,50; e = 4%;

El tamao necesario de la muestra es 625 personas.


Variabilidad del parmetro a estimar: se mide a travs de la desviacin estndar. Puede obtenerse a travs de datos previos, estudios piloto o (para el caso de proporciones) usar P=0,50, como valor ms pesimista.

Mientras ms elevada es la variabilidad de la poblacin, con todos los dems factores constantes, ms cantidad de casos debern incluirse en la muestra.

Error muestral o Precisin: amplitud del intervalo de confianza. En el caso de la estimacin de una media poblacional, se expresa en las mismas unidades que esta medida. En el caso de la estimacin de una proporcin poblacional, se expresa en porcentajes.

Mientras menor sea el error muestral tolerado, con todos los dems factores constantes, mayor deber ser el tamao de la muestra.

Nivel de confianza (1-): habitualmente 95% o 99%. Probabilidad de ser correcta la afirmacin acerca del error mximo de estimacinindicado.

Mientras mayor sea el nivel de confianza con el cual se deseatrabajar, con todos los dems factores constantes, mayordeber ser el tamao de la muestra.

En resumen, de qu aspectos depende la determinacin del tamao

muestral?


Caso de anlisis:

Muestreo no probabilstico y subjetividad Autor: Hugo Casanova

http://knol.google.com/k/hugo-casanova/muestreo-no-probabilstico-y-subjetividad/vfs2e66lv947/8#

En este artculo comentar algunos conceptos bsicos de muestreo necesarios para que se pueda abordar el tema con mayor seguridad y veremos algunos errores que cometen frecuentemente los estudiantes y muchos profesionales cuando planean y realizan esta prctica esencial en ciencia emprica, debido probablemente a falta de conceptos claros sobre el tema. Sin embargo destacamos que el muestreo cientfico requiere de infraestructura de datos que generalmente no se tiene o no es accesible a estos investigadores y estudiantes.

Definicin general de muestra

La idea generalizada de muestra es que esta es una parte de un todo mayor que suele llamarse poblacin. El Diccionario de la Real Academia tiene 14 acepciones del trmino de los cuales los primeros 4 se refieren a lo que pretendemos tratar1, la idea de que toda parte es una muestra del todo del que procede. Este concepto, aparentemente ingenuo, sugiere que toda la poblacin por examinar es homognea (todos los elementos son muy similares) y que bastara con tomar una pequea muestra de ella para ver lo que ocurre.

Nada ms alejado de la realidad, si bien es cierto que una parte del todo es una muestra de l y que nos informa sobre l, no opta por sealar que esa muestra necesariamente posea la mejor informacin sobre la totalidad. Un caso tpico de homogeneizacin2 es la sangre de nuestro cuerpo. Se toma una pequea muestra debido a que la velocidad con la que circula hace que se homogenice, pero en ciencia social estamos en presencia no de mezclas qumicas sino de caractersticas individuales que pueden ser muy variables. Adems, los estudios que se hacen requieren de muestreo multipropsito, es decir muestreo de varias caractersticas o variables lo que complica el asunto pues estas variables vienen correlacionadas en mayor o menor medida. De modo que este concepto general (e intuitivo) debe tomarse cuidadosamente.

La subjetividad como gua del muestreo

Como se conoce existen dos grandes grupos de muestreo, los no probabilsticos y los probabilsticos. En el probabilstico se


usan tcnicas formales de muestreo, esto es responde a una teora de muestreo que evita ir a ciegas y que minimiza el riesgo o los errores debidos al azar. El no probabilstico es un muestreo sin requerimientos formales, los errores de concepto se cometen con mayor frecuencia en el muestreo no probabilstico. Veremos los errores que se cometen en este muestreo.

La diferencia esencial entre ambos tipos de muestreo estriba en un aspecto, en el probabilstico el elemento entra en la muestra aleatoriamente de un marco muestral y siguiendo determinadas reglas ms o menos estandarizadas. Por el contrario, el no probabilstico no sigue estas reglas. Ahora bien, existe una diferencia pragmtica entre ambos que induce ms el uso del no probabilstico. El levantamiento del marco puede ser costoso y las investigaciones generalmente no contemplan levantar dicho marco. Para que el marco no fuese costoso habra que contar con una infraestructura estadstica mnima (Csar Prez, 2000, Pg. 27)3 que lo permita. Adicionalmente, en la preferencia del no probabilstico, de hecho intervienen elementos subjetivos no deseables que se desprenden del desconocimiento de la tcnica que hace que se apele a recursos ad hoc como alternativa. Sudman (1976: IX)4 citado por Manzano Arrondo (1998)5 seala que:

Mi impresin es que en muchos casos estos investigadores estn enterados de que estn disponibles poderosos procedimientos de muestreo, pero se creen incapaces para utilizarlos porque son demasiado difciles o costosos. En cambio, son utilizados procedimientos ad hoc increblemente descuidados, frecuentemente con resultados desastrosos.

Pero el uso de tales procedimientos6 no garantiza evitar los equvocos de razonamiento (falacias) pues al evitarse los procedimientos formales (o cientficos), debe apelarse a juicios sobre la realidad (poblacin) los cuales vienen cargados de intencionalidad. Obando citando a Bandura (2006)7 expresa que

una caracterstica de la perspectiva cognitiva de la motivacin es el carcter proactivo de la conducta, es decir que hay una anticipacin de la meta la cual influye a la conducta, hay una intencin que implica esfuerzo o voluntad y existe un plan de ejecucin para el logro de la meta (Bandura, 2001).

Veamos algunas formas de razonamiento inadecuado que pudieran influir en el muestreo no probabilstico.


Algunas falacias que se cometen en el muestreo no probabilstico

Las falacias o errores de razonamiento son un peligro evidente en el muestreo no probabilstico debido a que la tcnica que se propone, para el tamao de la muestra y para la seleccin de las unidades, proviene de juicios subjetivos (es meramente verbal), haz tal cosa, con tantas es suficiente, fulano hizo tantas y le fue bien, generalmente se toman tantas, ese tamao est probado, etc. Es decir, la carga subjetiva pesa ms que la objetiva a la hora de disear la muestra. Arrondo (1998) expone cuatro elementos subjetivos, comodidad, conformidad, falta de insistencia en la literatura y hbito. Sin embargo estos elementos son constitutivos de otros ms formales expuestos en las falacias. Veamos algunas de ellas:

Argumento desde la ignorancia (argumentum ad ignorantiam)

En este argumento se supone que como algo no ha sido probado como falso, entonces es verdadero. En muestreo no probabilstico se aplica as, dado que las muestras no probabilsticas han funcionado bien, entonces, son verdaderas. En primer lugar que los resultados hayan sido satisfactorios solo indica que el error cometido ha sido tolerable, pero este se desconoce.

Recurso a la fuerza (argumento ad baculum) En este argumento se apela a la fuerza. Existen muchas formas de hacerlo como la presin del tiempo y la falta de recursos. Por ejemplo se dice que la investigacin debe salir pronto, que no hay tiempo para el muestreo y adems no hay muchos recursos. Una forma de expresar esta falacia es decir siempre se hacen tantas, esto es todo lo que tengo.

Otra forma es apelar a la emocin como con tantas es suficiente, no hagas un lo eso, fulano hizo tantas y el estudio salio bien, esa cantidad no me la van a aprobar

Popularidad (ad populum) Se sostiene que el argumento es verdadero pues mucha gente est de acuerdo. Esta es otra forma de apelar a la emocin pero de forma tal que se desprecia el mtodo formal por la afirmacin de que hasta ahora todo ha salido bien y que todos los encuestadores lo han hecho as.


Recurso a la autoridad (argumentum ad Verecundiam) A menudo se apela a la autoridad como soporte de verdad de una afirmacin. Suele decirse que tal institucin prestigiosa usa aplica tantas muestras, el Dr. fulano aconseja tantas, etc.

Autoridad annima En este caso se usa la autoridad pero en tercera persona. Se pretende que todos los investigadores usan esta tcnica, las empresas de investigacin lo hacen as.

Finalmente, los textos de muestreo cuando se refieren a la crtica al muestreo no probabilstico lo hacen con base en dos aspectos importantes, el supuesto de homogeneidad y la aleatorizacin de la seleccin.

1. Las 4 primeras acepciones del trmino del DRA (vigsima segunda edicin, online) 1. 1. f. Porcin de un producto o mercanca que sirve para conocer la calidad

del gnero. 2. 2. f. Parte o porcin extrada de un conjunto por mtodos que permiten

considerarla como representativa de l. 3. 3. f. Ejemplar o modelo que se ha de copiar o imitar; como el de escritura

que en las escuelas copian los nios. 4. 4. f. Seal, indicio, demostracin o prueba de algo.

2. El asunto de la homogeneidad de la muestra la trataremos en otro artculo 3. Csar Prez. Muestreo Estadstico. Alfaomega, grupo editor. 2000. Mxico 4. Sudman, S. (1976). Applied sampling. Quantitative Studies in Social Relations.

Nueva York: Academic Press. Citado por Csar Prez 5. Revista Electrnica de Metodologa Aplicada 1998, Vol. 3 n 1, pp. 16-29 6. Ad Hoc significa adecuado, apropiado, dispuesto especialmente para un fin 7. Aide Crdova Obando (TIPICA, Vol. 2 N 2 Julio-Diciembre 2006) La Cognicin y la

Actividad Humana

Recomendacin Las lecturas 9 y 10 incluidas en este mdulo han sido seleccionadas para complementar los temas de la Unidad 6, brindando una visin histrica de los aportes del muestreo a las diversas disciplinas sociales. Aunque la lectura 9 est orientada a la materia agropecuaria, Ud. ver que, dado que el sector agropecuario constituye una actividad productiva y econmica muy relevante, las metodologas de muestreo revisadas son aplicables a un buen nmero de problemas empresariales y de produccin que enfrentarn los futuros profesionales que cursan la asignatura. La lectura 10, por su parte, presenta un texto clsico, originalmente publicado en 1936, y que argumenta sobre las ventajas de las metodologas de muestreo e introduce al campo de la estadstica trminos y conceptos que hoy son de uso habitual. Recomendamos su lectura para contextualizar y afianzar lo estudiado en la lectura 8 y en el resto de la bibliografa bsica.


Bibliografa Lectura 8

Bibliografa Bsica Bologna, E. (2003) Introduccin a las tcnicas de muestreo. Apunte de Ctedra A. Universidad Empresarial Siglo 21. Campell, D. y Stanley, J. (1970) Diseos experimentales y cuasiexperimentales en la investigacin social. Buenos Aires: Ammorrortu. Hernndez Sampieri, R.,Fernndez Collado, C. y Baptista Lucio, P. (2003) Metodologa de la Investigacin. Tercera Edicin. Mxico: McGrawHill.

Otras Fuentes Consultadas Cea DAcona, M.A. (1999) Metodologa cuantitativa: estrategias y tcnicas de investigacin social. 2da. Reimpresin. Madrid: Sntesis.

Fea, Christian (2009) The Hawthorne Effect - Experiments in Productivity. Disponible en: http://www.content4reprint.com/business/the-hawthorne-effect-experiments-in-productivity.htm

Universidad de Oviedo (s/d) Tutorial de Muestreo: Clculo del tamao de la muestra. Disponible en http://www.psico.uniovi.es/dpto_psicologia/metodos/tutor.7/p3.html

Universidad de Sonoma (s/d) Muestreo. Disponible en: http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf

www.uesiglo21.edu.ar

Lectura 3- Experimientación y Muestreo

Documents

Transcript of Lectura 3- Experimientación y Muestreo