Page 212 - METODOLOGIA DE LA INVESTIGACION-Roberto Hernández Sampieri

¿Cómo se selecciona una muestra probabilística? 181

ciones por género (entre hombres y mujeres), si la selección de la muestra es aleatoria, tendremos
unidades o elementos de ambos géneros, no hay problema, la muestra reflejará a la población.
Ahora bien, en ocasiones nos interesan grupos que constituyen minorías de la población o uni-
verso, y entonces, si la muestra es aleatoria simple, resultará muy difícil determinar qué elementos o
casos de tales grupos serán seleccionados. Imaginemos que nos interesan personas de todas las reli-
giones para contrastar ciertos datos, pero en la ciudad donde se efectuará el estudio la mayoría es
—por ejemplo— predominantemente católica. Con MAS es casi seguro que no elijamos individuos
de diversas religiones o sólo unos cuantos. No podríamos efectuar las comparaciones. Quizá tenga-
mos 300 católicos y cinco o seis de otras religiones. Entonces es cuando preferimos
obtener una muestra probabilística estratificada (el nombre nos dice que será pro- Muestra probabilística estratifica-
babilística y que se considerarán segmentos o grupos de la población, o lo que es da Muestreo en el que la población
se divide en segmentos y se
igual: estratos).
selecciona una muestra para cada
Ejemplos de estratos en la variable religión serían: católicos, cristianos, protestan- segmento.
tes, judíos, mahometanos, budistas, etc. Y de la variable grado o nivel de estudios:
preescolar, primaria, secundaria, bachillerato, universidad (o equivalente) y posgrado.
Podemos tener estratos por diferentes tamaños de empresas, tipos de enfermedades,
altura de edificios, etcétera.
®
Los ejemplos anteriores del uso de STATS corresponden a muestras probabilísticas simples. ®
Ahora supongamos que pretendemos realizar un estudio con directores de recursos humanos para
determinar su ideología y políticas de trato a los colaboradores de sus empresas. Imaginemos que
®
nuestro universo es de 1 176 organizaciones con directores de recursos humanos. Usando STATS
determinamos que el tamaño de la muestra necesaria para representar a la población sería de n = 298
directivos. Pero supongamos que la situación se complica y que debemos estratificar este n con la
finalidad de que los elementos muestrales o las unidades posean determinado atributo. En nuestro
ejemplo, este atributo podría ser el giro de la empresa. Es decir, cuando no basta que cada uno de los
elementos muestrales tengan la misma probabilidad de ser escogidos, sino que además es necesario
segmentar la muestra en relación con estratos o categorías que se presentan en la población, y que
además son relevantes para los objetivos del estudio, se diseña una muestra probabilística estratificada.
Lo que aquí se hace es dividir a la población en subpoblaciones o estratos, y se selecciona una muestra
para cada estrato.
La estratificación aumenta la precisión de la muestra e implica el uso deliberado de diferentes
tamaños de muestra para cada estrato, a fin de lograr reducir la varianza de cada unidad de la media
muestral (Kalton y Heeringa, 2003). Kish (1995) y Kalsbeek (2008) afirman que, en un número
determinado de elementos muestrales n = ∑ nh, la varianza de la media muestral y puede reducirse al
mínimo, si el tamaño de la muestra para cada estrato es proporcional a la desviación estándar dentro
del estrato.
Esto es,
n
Σ fh = = ksh
N

En donde la muestra n será igual a la suma de los elementos muestrales nh. Es decir, el tamaño
de n y la varianza de y pueden minimizarse, si calculamos “submuestras” proporcionales a la desvia-
ción estándar de cada estrato. Esto es:
nh
fh = = ksh
Nh

En donde nh y Nh son muestra y población de cada estrato, y sh es la desviación estándar de cada
elemento en un determinado estrato. Entonces tenemos que:
nh
ksh =
Nh

www.elosopanda.com | jamespoetrodriguez.com