UNIDADES DE ANLISIS; CASOS; MUESTREO MUESTREO 1.- Criterios de seleccin Las muestras pueden ser: Probabilsticas No probabilsticas La seleccin de los casos puede ser: Transversal Longitudinal La extraccin aleatoria de los casos contribuye a la representatividad, pero no la garantiza. Como aclaraMarradi,larepresentatividadse estableceexpost,y propiedad apropiedad. Lasventajas de la extraccin aleatoria son: Evita la constitucin de muestras sesgadas Permiteestimarcuantitativamentelaconfianzaqueotorgaraunvalorcalculadoparala muestra,enrelacinconelhechodequepuedasereldelapoblacin,mediantelas pruebas de inferencia estadstica 2.- Muestras no probabilsticas Se diferencian en: Intencionales o de conveniencia: la seleccin depende de algunas caractersticas posedas por los casos Analgicos:lamuestraesanlogaaluniversorespectoaalgunaspropiedades compartidas por una y otro, respecto a las cuales precisamente se elige a los casos 2.1.- Muestras intencionales o de conveniencia Segn el criterio de seleccin, se subdividen en tres categoras: 1.Presencia de propiedades especficas en los casos: 1.1. Muestrasfuncionales(porobjetivos):seseleccionancasosejemplares,esdecir, aquellos en los que est presente cierta propiedad. 1.2. Muestras saturadas: contienen un nmero de casos suficiente para representar las variablesdeluniversorelevantesafinesdelainvestigacin.Unnuevocasono aportara informacin adicional. 1.3. Muestrasporcontrol:loscasosseseleccionanenatencinalapresenciade variables quesecree que puedeninfluirenlarelacinexpresada porla hiptesis que controlar (la llamada seleccin en la VI). 2.Constitucin cuantitativa de la muestra: 2.1. Muestreodeboladenieve:seusancuandosedisponedeescasainformacin sobrelapoblacin, demodo quenoesposiblelistaralosindividuosmediantela extraccinaleatoria,niseconocenlasdimensionesquecaracterizaneluniverso paraunaextraccinanalgica.Elprocedimientosebasaenunaseleccininicial deindividuos,conlatcnicadelmuestreofuncional,yensuusonoslocomo casos, sino tambin como fuentes de informacin para acceder a otros individuos con las mismas caractersticas. 2.2. Muestrasaccidentales:loscasosseeligensencillamenteatendiendoasu disponibilidad; si bien es posible que la muestra sea grande, tambin lo es que sea sesgada. 3.Representatividad de la muestra. De esta clase son las muestras razonadas. Se constituyen teniendo en cuenta algunas caractersticasdeladistribucindeloscasoseneluniversopara nocaerenalgunas delastrampasmsevidentesdelsesgo(ej.:extraccindecasos,paraunamuestra nacional, de varias provincias o municipios...). 2.2.- Muestras analgicas Lasmuestrasanalgicastienenunarepresentatividadqueselimitaalascaractersticasdel universo especficamente consideradas. 1.Porcuotas:sesubdivideeluniversoensegmentos(llamadosestratos)sobrelabasede caractersticas consideradas significativas (edad, sexo...). La muestra se forma de tal manera quereproduzca proporcionalmentelosestratos deluniversoconsiderados.Perolos casosse extraen mediante procedimientos no aleatorios; por ello, se perjudica la representatividad de la muestra respecto a las caractersticas no consideradas a priori. 2.Pordimensiones:sonunaversinmscomplejadelasmuestrasporcuotas.Enstas,los estratosseconsideranindependientementeunosdeotros.Esoimplicaque,encadaunode ellos,puedenestarsobrerrepresentadas/infrarrepresentadasotrosestratos.Enelmuestreo pordimensiones,losestratosseconsideranconjuntamente.Dentrodecadacuotadela muestra, se respetan proporcionalmente las otras cuotas, tal como resultan en el universo. En otrostrminos,mientrasqueenelmuestreoporcuotasseoperamedianteclasificaciones independientes, en el muestreo por dimensiones se opera mediante tipologas. 3.- Muestras probabilsticas Cadacasodeluniversotieneunaprobabilidadconocidadeserincluidoenlamuestra.Las modalidades se diferencian en funcin de (a) el criterio usado para la extraccin de los casos; (b) el nmero de fases en las que se los extrae. 3.1.- Muestreos aleatorios simple y sistemtico En las muestras aleatorias simples, los casos se extraen, en una sola fase, de una lista numerada, quecomprendetodaslasunidadesdeluniverso.Laslistaspuedenconfeccionarse(universos pequeos) ad hoc o pueden preexistir (universos grandes). El uso de las listas debe valorarse en relacin a los objetivos de la investigacin: Su coherencia con la definicin del universo; Su compilacin: momento, grado de actualizacin... Otro problema es la accesibilidad y presencia de los individuos seleccionados. El criterio de la formacin de estas muestras consiste en la generacin de nmeros aleatorios y la sucesivaseleccindelcasocorrespondientealnmerogenerado,hastaalcanzareltamao muestral establecido. Losmuestreossistemticossimplificanlasoperacionesdeextraccinparalistasgrandes.Se extrae un primer caso, aleatoriamente; los restantes se extraen segn el criterio del intervalo, cuya amplitudvienedadaporlaratioentreeltamaodeluniversoyeldelamuestra.Slopresenta problemassihayalgunarelacinentreelintervaloycaractersticasrecurrentes(ej.:ciudadanos divididos por zonas y, en el interior de stas, por edad...), lo cual podra sobre- / infra-representar a ciertas categoras. 3.2.- Muestras estratificadas Inicialmente,seoperacomosisetrataradeconstruirunamuestraporcuotas;unavez establecidas las cuotas, los individuos se extraen aleatoriamente de cada estrato del universo. Se tienen,as,tantasmuestrasaleatoriascomoestratoshayeneluniverso,conunaestratificacin por cuotas (clasificatoria), cuando los estratos se consideran independientemente unos de otros, o por dimensiones (tipolgica), cuando los estratos se consideran conjuntamente. Hay tres razones para la estratificacin: 1.Asegurar la representatividad de la muestra respecto a caractersticas del universo que se estimaquepuedeninfluirenlossucesosanalizados,yquesepuedenusarenla extraccin aleatoria. 2.Simplificarelprocesoderecogida,dividiendolamuestraensubmuestrasmsfcilesde gestionar. 3.Reducirelerrordemuestreo,cuandoesposibleformarestratosconbajavariabilidad interna. 3.3.- Muestras por conglomerados y multietpicas El muestreo aleatorio simple resulta difcil de practicar: Con grandes poblaciones (ej.: sondeos de nivel nacional), dados los costes que implicara; Cuando se carece de una lista completa de los individuos de la poblacin grande. En situaciones tales, se construyen muestras por conglomerados o multietpicas. Enelmuestreoporconglomerados,lasunidadesobservadasestnincluidasengruposms amplios(conglomerados).Primero,seextraenlosconglomerados,yluegoseobservanlas unidades pertenecientes a los conglomerados seleccionados. Dos problemas de esta clase de muestreo son: Los efectos de la diferencia en la distribucin de caractersticas en la poblacin y en cada conglomerado; Ladesigualdaddelasprobabilidadesdeformarpartedelamuestraparaloscasosdel universo. Cuandoelnmerodeindividuosesmuygrande,serecurreamsdeunafaseoetapade extraccin. En el muestreo multietpico, se articula el universo en una estructura taxonmica en laque,para cada nivel delaestructura(etapadeextraccin),seconsideransolamente una oms clases(conglomerados),extradosdeentreaquellosseleccionadosenelnivelprecedente; llegadosalltimonivel,enelquelosconglomeradoscontienenalasunidadesindividualesde observacin, se pueden considerar todas ellas o slo algunas. Combinandoestratificacinyconglomeracin,serealizanmuestrascomplejas,comolasque suelen emplearse en las grandes encuestas a nivel nacional. Tales muestras complejas plantean problemas adicionales en el momento del anlisis estadstico.