1.3.2 Metodología del muestreo aleatorio simple
1. Definir la población de estudio y el parámetro a estudiar.
Recordemos que la población es el grupo formado por el conjunto total de individuos,
objetos o medidas que poseen algunas características comunes observables en un
lugar y en un momento determinado. Por lo tanto, el paso 1 es determinar el que se va
a estudiar.
Por ejemplo:
Un investigador realiza un estudio sobre las relaciones de género en el noviazgo, su
objeto de estudio es las manifestaciones de violencia física y psicológica entre l os
estudiantes del último año de la carrera de química. Su población es el total de
estudiantes del último año de ingeniería química que tengan novio o novia; el total de
individuos con esta característica es de 386. Por lo que, la población es de 386
individuos y las variables son: violencia física y violencia psicológica.
2. Enumerar a todas las unidades de análisis que integran la población,
asignándoles un número de identidad o identificación.
Una vez que hemos definido nuestra población y las variables a estudiar, es necesario
asignar un número de identificación a cada individuo de la población.
Siguiendo con el ejemplo de la relaciones de género en el noviazgo en los estudiantes
de química, lo que sigue es numerar a los 386 estudiantes un número del 0 al 386.
3. Determinar el tamaño de la población, determinar el porcentaje de
error y el porcentaje de confianza y obtener una muestra preliminar.
Para calcular el tamaño de una muestra hay que tomar en cuenta tres factores:
• El porcentaje de confianza con el cual se quiere generalizar los datos desde la
muestra hacia la población total.
• El porcentaje de error que se pretende aceptar al momento de hacer la
generalización.
• El nivel de variabilidad que se calcula para comprobar la hipótesis.
Veamos en qué consiste cada concepto:
• Definir el tamaño de la población: Significa determinar el número de individuos
que la constituyen; la variable N representa el tamaño de la población. Esto es, N=X.
• Porcentaje de confianza: Es el grado o nivel de seguridad que existe para
generalizar los resultados obtenidos. Esto quiere decir que un porcentaje del 100%
equivale a decir que no existe ninguna duda para generalizar tales resultados, pero
también implica estudiar a la totalidad de los casos de la población.
Para evitar un costo muy alto se busca un porcentaje de confianza menor,
comúnmente es un 95%. El nivel de confianza no es ni un porcentaje, ni la proporción
que le correspondería, a pesar de que se expresa en términos de porcentajes. Este
dato se obtiene a partir de la distribución normal estándar (esto se considerará en la
unidad 2).
• Porcentaje de error: Equivale a elegir una probabilidad de aceptar una hipótesis
que sea falsa como si fuera verdadera, o la inversa: rechazar a hipótesis verdadera por
considerarla falsa.
Al igual que en el caso de la confianza, si se quiere eliminar el riesgo del error y
considerarlo como 0%, entonces la muestra es del mismo tamaño que la población,
por lo que conviene correr un cierto riesgo de equivocarse.
Comúnmente se aceptan entre el 4% y el 6% como error, tomando en cuenta de que
no son complementarios la confianza y el error.
• Variabilidad: Es la probabilidad (o porcentaje) con el que se aceptó y se rechazó la
hipótesis que se quiere comprobar. El porcentaje con que se aceptó tal hipótesis se
denomina variabilidad positiva y se indica con p, y el porcentaje con el que se
rechazó la hipótesis es la variabilidad negativa, identificada por q.
