8.1.
TAMAÑO DE LA MUESTRA.
El tamaño de la muestra
va estrechamente unido con la representatividad, no tiene fácil solución. En un
inicio hay que rechazar la idea, demasiado extendida, de que la muestra debe
ser proporcional a la población. De hecho, a medida que aumenta ésta con una
menor proporción podemos alcanzar la representatividad. Sin embargo, en
igualdad de otras condiciones, los estadísticos calculados con muestras grandes
son más precisos que los calculados con muestras pequeñas, pero una muestra
representativa de 50 elementos es preferible a otra no representativa de 100
(Jiménez, 1983).
En la investigación no existe
un tamaño ideal de la muestra. A efectos descriptivos, se considera una muestra
grande cuando n > 30. Una muestra debe ser lo suficientemente grande como
para ser representativa, pero el número de elementos necesarios para lograr la
representatividad varía en un estudio a otra. Cuanto más homogénea es una
población en las características objeto de estudio, más fácil resulta conseguir
muestras representativas sin necesidad de que sean grandes. Es decir, el tamaño
de la muestra está en relación directa con la desviación típica de las
puntuaciones en las características de la variable a estudiar.
El tamaño de la muestra
viene condicionado por el tanto por ciento de la característica que estamos
estudiando. Cuando no se conoce es conveniente hacer algún pequeño estudio
inicial con una muestra mucho menor para tener alguna idea de ese porcentaje.
Por ejemplo: alumnos que se matriculan Seminario II y después no asisten o
abandonan. Cuando tenemos una proporción de la característica del 50% estamos
ante lo que se designa como el caso más desfavorable porque exige la muestra
mayor. Si no conocemos la proporción se
asigna el 50% como la opción más segura en los cálculos de la muestra.
Según Fernández (1983) el
tipo de datos que se desea recoger y el medio que para ello se va a emplear son
condicionantes que influyen en la menor o mayor reducción de la muestra
seleccionada. No es igual seleccionar, por ejemplo, aulas ya organizadas y
recoger la información en días y horas lectivos que hacerlo a través de un cuestionario
enviado por correo.
Otro autor sostiene que
el tamaño de la muestra también depende del tipo de muestreo que se ha llevado
a cabo. Por ejemplo: en las muestras estratificadas, el error es menor que en
las no estratificadas, y también lo es el tamaño de la muestra necesario[1].
En lo referente a la
finalidad del nivel de confianza
que queramos que alcancen nuestros resultados también influye en el tamaño que
debamos dar a la muestra. Entre +2 y -2 sigmas de la curva de distribución
normal de Gauss, a partir de la media, está incluido el 95.5% de la población.
Esto quiere decir que tenemos una probabilidad de que 955/1000 coincidan con
los de la población total. Si queremos alcanzar una mayor certidumbre hemos de
abarcar entre +3 y -3 sigmas, en cuyo caso el riesgo de que exista diferencia
entre los estadísticos de la muestra y los parámetros de la población sean
distintos será de 997/100, pero naturalmente tendremos que elevar el número de
elementos de la muestra.
Otro dato determinante
del tamaño de la muestra es el error
de estimación. Es lógico pensar que no haya una coincidencia total entre
los datos de la población y los de la muestra. Hemos de indicar el máximo error
tolerable, que suele establecerse en el 5%. Pero si queremos rebajar ese error tendremos
que aumentar el volumen de la muestra.
En consecuencia,
señalamos que determinar el tamaño de la muestra es un tema complejo. Por
tanto, el investigador habrá de tener en cuenta: la amplitud del universo
(infinito o no), representatividad, las variables
(tipo de datos, valores de la misma, homogeneidad/variabilidad de los datos),
el tipo de muestreo, el proceso y medios de recogida de datos, los análisis
estadísticos que se planifiquen, el error muestral, el error de estimación y el
nivel de confianza con el que deseemos trabajar entre otras consideraciones.
Con esta base se tendrán los referentes necesarios para determinar el tamaño de
la muestra.
[1] Sierra Bravo, R. (1988) Técnicas
de investigación Social. Teoría y Ejercicios. Madrid: Paraninfo, p. 226.
No hay comentarios:
Publicar un comentario