Cabrera, Daniel
98 f Diseños �uestra�es a medida .
Diseños muestrales a medida
''Pata tnuem:a,. basta un bot.6n"
Refrán popular. Frase atribuida al mariscal prusiano
PAUL VON H!No!iNllURO (1847•1934) quien dijo, en una
revisión de tropas: "Me fulta echar en falta efbotón.de
una chaqueta pmsabet cómo es unsoldado. Quienfalla
en to pequei'io, fulla en lo grande. Por eso, pata muestra.
basta un botón".
Introducción
La teoría del muestreo estudia las relaciones existtntes entte una po�
hladón o universo, y una pbtci.6n de él. ge.neralmen.te pequetí.a.
El unitlerso opoblad6nleslaagcegaci6n teórica.de todos los elementos
defüúdos pm:a un atudio en particular; es decir, es el conjunto de e:� o
unidades que tienen en comdn una serie die�n:rúnada. de caractewticas.
Gatda Fetrando identifica dos tipo$ de universos: 1UlW4'13o �al.. que
es la población abstracta y tcórlca ala que el investiplor deseágenexaliiar
sus resultados; y el �o di! trabajo; esto es, fa operacionaliiación concreta
l. Desde el punto de vtstaddi,clettciauodll.es. les tél1IIU'IO$.� ypobfad6n Mlen posw
�iliko �@,.'tBntQ � la lir.narum eo«no eo.el lquijecolidlaru:,: de b � Sin
embar,gn,báfouna.6ptkae!!Uld!wli.lofUIÜYel10S$0D,.porddt,ict6!:,.lnJinitoi,.l.a�n
ellm a.u,bos, �blos juscika, CX>alQ se. wd tdl add.wiO!, la utlllnd6n di: fóririuw �1115
¡,-ara el cálculo dd tMQle'fl de em>r de w eswmacforlft mueStn!es.
97
del univetso .general del que se Vá a obtenét la muestta {García Fettando,
198.5, 133).
Ott� autotet1., en cambio. denomman:rnatco mu�allí.stado e6:ctivo
de unida� con, la que se ual:,ajatá para exttaer una muestra �
Osuna, 1991: 16; M�i.tel yotros, 1997: 136; Bosch v Torrente, 1993: its}.
Por su parte, Vkiers (1986: 101) loderióminamareode�
Por ejemplo, si se desea estudiar d mercado de los ejecutivos de· tas
� e;:npresas argentinas {univeíso genetal}, el univetsó de trabajo o
marco ni.UeStral estarla constituido poi: tl listado delosejecutivosttabajaodo
en una fucha detenniriada enJas cien empresas más importantes del.país
(de dicho �t:ado se obtendrral� fa muestra).
Un segundo ejemplo :t)Ue® tefetirse � Oobíemo como l.l1liveaogene�
tal, en ·tan;to el presidente y sus ministros coníonnarlan el marco muesttal
o universo.de tta�jo.
&í pensado, se ttata de una delinid6nconceptual y atta o�tadonal
del unívCl'50 opob{adón a estudiatsc.
Eldís� tmteStml es el conjunto de decisiones que. deben tomarse en
una investigas.:i6n, para deteminar Tas catactetímcas y el .taJ:Qafio de la
subpQblad6n que se observará y. evenwalmente. de la que se harán medí,
clones. y estimarán resultad()$..
Se denoimna �te mw:.sireo al ptocedimienm mediante el
que. se seleccionan los elementos de 1a población que seún incluidos �n la
muesn:a,
Una nwestra es. un conJunto relativ.uµente pequeño de unidades de
análisis del uni'lerso que reúne 1l1lll suma d6 patticul�es que, en cierta
medida, reflejan algunos parámetros correspondiences a la poblacl6n en
estudio.
El investigador debe procut'at que el ntíDWQy tipo de objetos incluidos
en la muestra sean sufk,:icnteme� re.present11tivos de la población total,
como para petnutir réalfulr �ones :t<:spe<:to del universo, con el
mayor grado de ceneza :posible. a ttav& de fa experiencia obtenida con un
grupo que contiene un número mel.\01' de casos que la:pob�
Las propiedades de fa muestra se obtendrán a pattir de una serie de
inferencias. basadas en ·divems tipos de procedimientos pata la colecci6n
de. las unidades ·�. análisis qüe. luego de ·su selecd6n1 se denotnirul,r,án
uniaadet e muestteo, ·.
d
Apattit d'e la apl.icaci6n de distintos tipos áe postulados·y mtcanís•
rnos pata la selección de las unidades de análisis que se convertirán en
 Margen de error
unidades de muestreo; _podrán discriminarse dos tipos de muestw: 1) las
que se construyen sobre la base 4c consideraciones y procedimientos e;s�
tadfst:icó$, habitualmente luunadaspro��' debido a que1re �n
especiah:nente enlas leyes �tadíst:kas del� probabilidaq. partícularttlCnte
en la Ley de los Grandes Níimerosy en elTeorema del Uiníte Ctnttál; y 2)
las que se elaboran sobre la hase de otro tipQ de etiterlos, no estadísticos.
'Pot otta parn; las muesttaS resulWites podrán� consideráda$ teprQ�
sentativasdét universo siempm que -respeten las ptopotciones delos "Valores
de aqúel{os paiámctros juzgad• cñti� o, bieni en {a medida en que sean
elaboradas a partir de criterios estadí$dcos.
Se deduce, pues, que todas fa� muestlas probabUísticas son
teprerentativas? en tanto las no pxobabilístic:as ·sok> podrán serlo, según
cuáles ha� sido los métodoo utilizados, y dependiendo de fad�cí6n
fáctica (µo �) de los. valores .de .las variai;)les seleccionadas para su.
construcci6n.
No obstante, debe sostent;rse -en línea con la bibliografla más orto�
doxa- que solamente a través de estimaciones. logradas bajo una muestra
probabilística podmn realm.tse inferencias. Est:$5 deben entetlde� coro.o
inferencias estádfsticas, es decir,. probabilísticas.
La gener.úuación de fas �t:imaciont;S obtenidas por aplicación de la
no
Muestra¡ considerando que los resulta.dos .SOll v@.do$ solo pára ella sino
también �
fa población en estudio, es cm. proc.edimíent:o anál.ítíco no
impedido parninvestigadores que trabajan con muesuas no aleatorias, pero
el recurso debe estar teórica y metodológicamente justl.fi.cado.
las muestras en, Ja Investigación Cualitativa
Los estudios llevados a cabo solm:la base de métodos cualitativos tam,
bién utilízan muestt.as, pet'O su elaboración responde a difen:ntes ()bjetivos
que los que¡pemguen fos métodos cuanti,tanvos.
1 99 100 1 Diseños muestralesa medida
En consecuencia. la manera de diseñar las muestras cualitativas reitere
a criterios distintos.
En primer lugai. las unidades de muestreo seleccionadas deben tefle,ill"t
de alguna manett, aquellas variables consideradas criticas para el estudio,
a'111Q.t1e la id.ea de representación se toma. en este caso, más di� que en,
los métodos cuantitativos.
La razón principal recae sobre el número sumamente escaso de
unidades con que cuentan liíS investigaciones cualitatiVáS. Ese pequet'ío
n'l1meto; muy inferior al que debe utilizarse en estudios cuantitativos,
pemúte la profundización. de la pesquisa. (uno de lot criterios esenciales
d'.e la investigación cualitativa) pero, a la vez, impone límites muy severos
a fa noción de representatividad, entendida esta desde. una perspectiva
matemática o estadística.
En segundo lugal) se encuentra muy extendida la idea de s�
que se basa en el supuesto de que cierta cantidad de unidades de análisis
J?Odrá brindar la infonnac;I6n que se busca, miénttas que agregar más casos
solo coottihulrl'a a reiterar los dato$ ya obtenidos, sin agregar información
sustancialmente nueva.
Tipos de muestras cuantitativas
Muestras probabillstica.s
Las muestras probabílístic:as1 aleatorias o basadas en el azar. se caracte•
rizan por asignar 8. toda.$ las unidades del universo la misma J>robahilidad de
·set selecclonadas para intl:grarla muestra, convirtifndose, así, en unidades
tnuestnil.es o unidades,de mucm:eo. En casos especiales se puede fijar una
probáhílida� diferente a cada unidad, pero fa frecuencia de ocurrencia de
cada caso debe :ser siempre conocida.
El tínico mecanísm.o que posibilita. el cwnpijnuento del requisito se�
flalado es el soneo<le las wlidade$ de análisis, siempre que se esté"frente a
una población confonnada pot un gtan número de aquellas.
El Tc<>tema dell.únite �tral establece que la frecuencia de aparición
de los valores de una vatlable registtar.í un comportamiento normal (una
die�huei6n tal que la media. la mcdíana y Ja �a coincidan,) siempie
que sea éxtraída aleatm:i� de un univ�tso que -registre también una
distribución nounal de sus parámetros.
 Margen de -error
En tamo, ta Ley de los Grandes Números indica que la frecuencia
relativa de aparición de un suceso se aproxima a su probabilidad teórica, a
medida que aum.e.n.ta el niÍmero de experlencías que se reallian.
Estas premisas permiten asegurar que- la distribución. de los valores de
1as variables de una. muestra tenderá a semejarse a la dlsttlbucidn de los
valores. de los parámetros del univeuo del que fue extraída, solo poi: efecto
del ptocedimicnto, aleatorio, ejecutado para la selecci611 de las unidades
de muestreo.
Por to tanto, alcanza con tener a disposición las unidades de análisís, o
colocarlas en un listado, a los efectos de reamar un sorteo, No se necesitan
más datos del universo para confonnar una muestra representativa.
El requisito básico es que fas unidades se encuentren me:cladas, es
decii; dispuestas desordenadamente.
Sin embaxgo, ta bíbliopfia no ofrece solucíón explícita para denos
problemas que se plaruean al diseñar muestras en donde las unidades de
análisis son. individuos -personas-. o conjuntos de ellos, como ocurre en
las dencias sociales.
En.primer lugar. hay po� listados de universos de personas que resulten
confiables, actualizados y dispónibles.
Segundo, nose enc�entta respuesta en la literatura a la pregunta ic:t.!ána­
do una población puede co:nsidetme de tamaño grande (como para que
equivaTga a un.Universo-por definir::í.6n, conscib.lido pot innnitas unidades
de. nnálisí&-y Ta aplicaciónde 1a ley de los Grandes Números tenga sentido}.
Ter�tQ, y más importante, aun con ÚStllS completas, fiables y a dispo�
sición de los investigadores, y bajo et supUeSto de una p0blaci6n sufu:ientc�
mente grande, los individuos seleci;ionados pueden negarse a participar del
estudio, lo que obligrí a a a redudr el tamaño muesttal previsto o reemplazar,
mediante otro sor.teo, aquellas unidades que no puedan incorporarse a la
muestta.
La alternativa del sorteo adicional no soluciona de raíz el problema,
que podría replicarse in aetemwn.
De todas formas, el muestreo .por conglome:rados constituye una opción
frente a los iru::on.venie� señalados. y tal vez esta sea 1a taZ6n por la que
Ia litctatum incluye este método dentro de las- muestras probabilísticas
aunque. estrictament.e. la eonglomexación de unidades de anÁÜSiS no es un
procedimiento que deba � nécesaria ni, menos, exclusivamente al
muestteo aleatorio.
1 101 l 02 1 Díseilos muestrales a medida
Tipos de muestreos probabilísticos
Muestras al azar simples o muestreo lrrestricto
Se trata de otorgar un.naineroa.cada una de fa.s•unidadesde·análisís
y proceder a un sorreo mediante bolillero, tabla de riúmi:tQS aleatorios o
mecantSmO similar;l
El mecanismo se apüca de una vei, en una sola etapa., extrayéndose
de la pobladdn todos los casos que se necesiten para la conformación de
1a muestra.
Los libr0$ de estadfstica mencionán la posibilidad de reponer {volver a
incluir en el universo}. o no. las u.n$dades que vayan siendo selec.clonádas.
En el caso de la reposición, cada sorteo es independiente deLaritetíor
y le sigue.otorgando a.cada unidad de análisis la misma probabilidad de ser
elegida,
Bn cambio, sí no huhiem reposici6n, las unidades todavi'a no $0tteadas
tendnan la misma probabilidad entte sí, peto mayor -aunque conocida­
probabilidad que las ya elegid;is.
& fa práctica. y sobre todo tratándose de poblaciones constituidas par
personas. la alternativa de reposición solo puede ser admitida c�do se
trata deelabom: una nueva muestta de la misma población {construcci6n
de m!J,e$lt3S independientes).
El muestteo in:estrícto es un pcoceduniento tecomcndable. sobre todo.
para poblaciones relativamente pequeñas, poco dispersas geográficamente
y de lasque no se cuenta con mayoxes datos.
� •onos �
3, la !dc:a.et $Cft:a:ioiw � cantidad de unid.des •olo am b fa� dt1 ,am. 'Thhla tle
li denotaimqdn ��mé se.tgna. a un �n(9 de.nwue,
ros, .qu.e se �ta cníonu�de tabla (Ctlll. fl1q y�) en� 1aclod.os � dé
est�. Dldl.o51l\tnletos,d�,fucl0119é�ffliln!la�del\iolYemde
n'íl�IOS1\�dtwulffli,tn. lAJ.alila��nl!.llb:áda""11&�Cl,lc;�iri!l!�n
de fila y.cclumna, ylmnameos .(IUCden•r agnqiados en la.cantidaidde df&jr.os� se-111r.
Oaasfcxuadé.resolverel�del�sinosedil{)<lrlCdtlC1tmedlosanttiriomefiteindí>
Cíldó$,se�nt\ienttinreeummdoaeualqultr�di!.nóirumls.ietque{'Ulldtatenme
qudl.WQl'i. � de una aur11e1unoc1j1bl�l!IClltt uarosa¡ como, por cjca,plo, 1011 n4memi de
teléblof (� 1. cancttnslia!$) dio uoagu(á¡ d!réctOrio o•ágejlda.
Tani�n pUeCie ac.udine. a 1111. progn!II\A de compi,tecl6n.
 Margen de error
Muestreo sistemático
. .
En este caso, una vez numeradas las unidades de. análisis, se del>etá
dividir el tamaño de la població¡¡. por el tamaño previsto de muestra.
El resultado (denomi;lado. cQefl.cien.re -� elevadón. o k é.mno) irulica­
tá cada cuántas unidades de análisis deberá seleccionarse una UIJidad ele
muestreo.
Se deber� tealizar el (úníco} sorteo de Ia prlmeta unidad de muestreo
entre las unidades de análisis niímero uno (l) y k €sima.
Luego, se stnnatá al número sotteado el k é.Simo, coa lo que se 1:legirá
una nueva u;udad de. muestro, y así suc�vamentc hasai completar el ta•
maño buscac1o de JllUCStia.
Si-se con,ipleta:{a el 1istado antes de conseguir el númer9 pel'seguido, se
deberá retoniar el inicio de la lista.
Muestras no probabilísticas
Porcuotas
¡
La sdecti.6n de unidades de anilisis, bajo el propósito de que ia muestra
resultante � �pr�tativa del univexso, encuentra Ul'la variante adecuada
en el muestr� por_cuotas.4
La noción centtal es reprodµcír en, variabl�s de la muestra fa ais•
tribud6n de valores de algunos parámetros poblacionales considerados
críticos.
4. En �.111.bibllograffa. trata1tJ. m.uestru pote1.1ow, �bido a su c11rw:�rno l)t(ibabílútico,
.0$
como�ttuenosiJQillcadvasy,pore11de_,noapw-<Ot'tlOiNtt1,1t11Coto'rilido pca ..i1zar
m� ll.!fa(lue ¡e.l!!S•�fa vtíítitja-dc � dWu ·�clekis �-•�
biliticos (lO'bn:;tóc]o lo te°lerido a. la selecd6il de la IJlliclilc16tial de nwauc:o). Jnclwo,
-
Rllt(Jf't.J intluyen; � ("fe) 11'1\lffl'l'eO por tuocaJ) da •lupr a tstimacíonea de p vl'J«
(,.,141ddu�,mq�"f',:¡tis�nlllut1UCOSnowca�Qlf05w.siita�-(_,.]
son muy�e:s"; 4theiódode"tUOIM[, ••J � íii'il 'odl:cuadi�liUMdiddtl
vnivmo...").�_�dedudrqlltcl¡,t�_rodecuoréoestó"lllideradolitil paralop­
ffi\lestra. r�,ntliÜllu' (RoddgUilt_Oiúnl, 1991.i l1J 45;� Olurui, "Feffi!My)lGfie i,
1991; 14-0; y Diúde Rada. 2008:240). O@auto1.si li1ttimclüynl muestttoporcuotiiSdtntro
de IOSi �c0$ noafeatorios1 2ñlllaque utitt trtéplllíiei\ro atin marorpucdí, �
{•. ,J [sil fas pñaxl-·l:UfiN �cl!Ísclecé16npuedmbitirae allll�yl111 illriÍn11{••• ¡ �
wotM f...J � snftodote dc:IJOlnlna "'llll!Sl"Ílo� (Sarbancho, l978: U6; desuacado
"'
en el OfieUllÜ).
1 103 l 04 1 Di�flos muestrales a medida
Subyaceaestaideaelconc:eptodelcootxoldev�t5tbajolahipót-esis
de q_ue controlando el comportamiento .de algunas, el t"éSto �tribuirá sus
valores tal como lo hacen en el universo.
· El siscema de cuor.as � detetminado por el in.vestigadoi; pero s-erá
una car� de ttaba;o deí encuestador: quien. en.el ÚlfflúX) de Cllll\J?l_ü' con
aquellas tendrá bajo su TCSp01lSBbilidad la decisi6n de tmnsfonnar u.na tmi�
dad de_ �lisis en unidad de muestreo, si cumple con la!s caracteristica/s
(cuota) njada/i.
En la jerga se denomina cuota taM) a la prop0tci6n 3Signada a cada
categoría en su. variable tespectiva (por ejemplo, ,cuofm de wmmes y de
mujere.s) .como a fa misma variah� {en el mismo. cjem¡:ilo, cuor.a de sexo).
Los parámettos a reproducir deben cumplir con cuatro criterlos:
A} los v1tlores de los parámetros deben conocerse¡
B}las variahles/categoñas {cuotas) deben ser empíricamente observables
(a simple vista o a través de no� de una ptegut:tta);
C) los pa:rimetros elegidos deben, en lo posible, estar asociados a variables
signiíkativas en relación. con kis objetivos de la.investigación; y
D) deben establecerse pocas e� (no más de dos o tres).
En la investigación social se utiliza este tipo de muestra incluyendo
en el cuQteo {�) exclusivamente a las. variables ��y edad, debido a que
s.ú elección re6nefas características mencionadas. En algunos estudios de
QJ;den político, sin.embargo, resulta muy conveniente ínclwr la variable uoto
anterior, como se verá más adelante.
Por conveniencia
Este tipo de _muesuas ¡e construye. seg(in las posibilidades exlsrenres,
cuando resulta imposible elaborar una muestta de otra nanualeia.Debido a
una elementlll actitud de cautela. no pueden set consideradas si,gnm(:ativas.
Lasmuesa:as de este tjpo no $iguen ttgla alguna, más que faposibili.dad
efectivamente.conseguida d.e incluir una-unírlád de análisis en la muestra.
Ocupa un lugar relativamen� impot:tante en. la bihliografiala técnica
denominada bola de nieve, aplicada generabnente frente a universos poco
frecuenres por su espedli.cidad, que� en !a integtaci6n de la m.ues­
tn. a partir de un primer contacto que llevará al siguiente, este a otro y asi
sucesivamente, oficiando de nexo entre uno y otro los propios encuestados.
 Margen de error 1 105
Procedimiento de estratificación y conglomeración
Los procedimientos de esttatükación y conglomeración son habitual•
mente incluidos en la bibliografía como subtipos de muestras probabilís­
ticas. Sin emb3tgo, una vez realínda la esttatincacíon o confoanadós los
conglomerados. debe selecdónmc una.muestra de población para todos y
cada uno de los cstrarritl o para los conglomer.dos que se decida incluir en
el diseño. &ras suhmuestxas pueden.basarse enoperildones de selección no
aleatorias, por lo que -en T$lidad;,..1a estratificaci6n y la c:onglomera,ción
deben set considerados únicámente como procedirruentc;¡s de segrnentacíón
del universo.
f
Estratiicación
La cscratificacion es l.ili proced.imicnto mediante et que se divide el
uníverso dé éStttdio en subpoblaciones eonjuntamente exhaustivas y tnu.­
tuamente e.xduyenr.es, elaboradas con uncdterlo de releváncia enrelaci6n
con los objetivos de la investigadón y según la disponibilidad de datos
paramétticos.
Se deberá seleccionar una muestra para todos y cada uno de los estratos
(y, si los hubiera, subestratos).
& deseable, para.conservar la mayor homogeneidad de procedimienros
-y con un fm comparativo-, elaborar tm disetio · muesttal con idénticoi;
criteci05 procedimentales pm:a cada csttato.
La. asignáción de casos pam cada estrato podrá ser pmpotcional. al
tam.afu>· de cada uño de el.10$. o no,
Se trata de un rnéeanismo homólogo al cuoteo, basado en la segmen­
tación de la muestra, con la diferencia esencial de que ya fiO se crac;a de
una carga de trabajo del encuestador sino de una estrategia para cl diseño
muestral. previa a la selecci6.n de las unidades de muesrreo.
Las caracteWtk:as de la estrati6caci6n son varias:
Ofrece la posibilidad de calcular estimaciones sepatadas pam cada una.
de las suhpoblaciones.
Al agrupar unidades de tnuestreo homogéneas, mejotá las estimaciones
globales.
Pennite utilizar métodos direJ:cntes de muestreo en los distincos estratos.
Facilita la tarea de recolecci6n de los datos.
1 06 1 Diseiios muestrales a medida
Cónglómeración
Los conglomerados� definen como conjuntos de unidades de an4lisisi
síe.ndo cada uno suficientemente homogéneo respectO de los demás 1 tan
heterq�ensu in�coxno pataco� a cada üno,represcntativo
del univeno, de un esttato o subesttato, según sea el caso.
El coog{Qmetado � una unidad muestta1 colecti'Wl: se trata de un
coníunto de unídades del universo de'Snidas espacialmente que, bajo de.
termina.dos a.pectes. se considera que forman una unidad.
Cuando los c:onglomcrad.0$ se re&ren. a unidades geograficas suelen
denominaxse Arell$.
Dichos supuestos permiten elegir -de t.Jiia manera aleatoria, si fuera
pertinente,- solo algunos conglomerados, de manera de sup.pli6car dope­
rativo po$teriqr de selección de la unidad de muestreo menor, individual.
Se utilua en generalpara tedl!Cit los costos de la re.colccd6n de dat.os,
sobre todo cuando el untvetSo resúlta muy dispctso geográ&:amente.
Míen.tras que enel muestreo estratí&ado se selecciona una muestra
al intccior de cada estrato., aquí se sclecdona una muestt4 de cmigl.o­
merado.s: �pudiendo realizarse esta elección al mr- y ,se trabaja sobre
ellos� dividida la. población en conglomerados, se selecciona al aiar un
cierto ndmeto de estos dentro de los cuales se elegirán tas unidades de
muestreo finales,
Respecto del procedtm,iento de esti:atilk:aci6n1 etn:iecánismo de con�
glom.etae:ión: cuenta con la vcnfaja de que, a igualdad de recw:'sos, pennite
lc;gtar un taniaño de nruestta mas·
grande, aunque con menor dispemón
de ta poblad6n.
Sin embargo, debe anotarse entre las desventajas que aumenta el error
de las e$tb:naciones.
Muestras por etapas
Et procedimiento de conglomeración puede acompañar al de esttati•
ficación.
M, pueden sdeccionjrse conglomerados dientrC> de varios es.tratos o
procederse a estratiíicar los conglomerados.
Seacualseaelmec�eíndusoconsidetandoquepuedenelegirse
varios y diferentes níveles de unidades de-muestreo (po� ejemplo: estratos.,
 Margen de error ·1
co�lomerados e individuos}, el dispositivo puede derivar en un esquema
por etapas.
En tanto una de las etapas co� un método de seel cción aleatoria
de unidades,¡podtá r.oti$iderin'S(: que�. tra� de t1n diseiio probabi1ístico,
aunque no &e· hayan elegido �qiante este X1?Cut$9 fas unidades menores
de muestreo (peoonu}. que es 'lo que estrictam.eme Uldica 111 bibli�
probáble� �aorlginalmente para 1:>tro tipo tie campos de es1:tttlio
y-no adaptada su&c:ientementeJ las del\Cm$ SOC-íltles, en las quefos objetos
de estudioS son sujetos.
Ponderación
Debido a que e n las muesnas, por su tamañc> relativamente pequeño,
ias umdades de � no equi:vale.i. exacta y pro_porei�nre a fas
unidades de;�, � s�le ajustar $u v�lor (su peso relativo dentro dcl
conjunto) mediante la pond(!QlCiQn de cada caso.
Ponderar significa introd,1JCir un factot de correcci6n, basado en una
operación matem&tica, que 41tera etpes:o � cada �o en todas ·&u varidblesv
que, en co�cuencia, modi&:a la: frecuencia, de aparición de los valom de
todas las variables. Se trata de una corrección de fa mattiz de d�tQs que se
justifica si las modmcacio� prQC.iucen un mejoramiento de fa calidad de
la muestra, tnedidapotuna �.sfmmación.Jl.<l sigru{kativa de las v:ttiables
que TI() hayan intervenido el'.!. la ponderacióltVi especialmente, por una más
ceñída estimad6n de áquellás variables que pueden ser eonttaSta@S con.
·
pai:ámettoS !)Oblacionales.
Es dec� se trata de asignar a cada caso un. v$r para �l recuento
que guarde la máxima relación entte. su peso teórico y su incidencia en
la muestra.
La fórmula mate�tica qué permite detemú:nat dicho valor es el co-­
cienre entrela cantidad de casos esperados y 1a cantidad de c;.g.sos observados
{V=E/0). !
El peso se aplica en. funci6n del.a variable (o del ero.ce de.variables)
cUyoparárnetro ),l()blaci.onalse conozca.y se con.$ieruelevante en función
de los: objetivos del estudio,
Con el. propósito de 1ogmt un �mparejamie�o más estricto de la
muestra
Y•�·. poblacic$n que el que se haya obtenido gracias ti1 procedi�
miento de cuoteo1 debe someterse la muestra a una serie de exatnenes
Hl7 l 06 1 Disef'iOs muestrales a medida
que permitan alcanzar una adecuación más ceñida a los patátpettos po�
blactonales, independiente�te. de las varia.bles que se hayan utiú:a l do
para su ccmstrucción.
En� debetáncalc:ular$e·k,s.va}o� de corrección..(Y E/O} =
para cada una de las ponderacio�posible$. �· decü;la muestra debe ser
pondei:ada tantas y � veces COIDI) sea viaple, en función de los dif,e.
·
rentes parámetros poblad.� que se �van �vado. ·
M, pma cada pondetlltj6n posiblerdebemllcont:rasimse lás diferencias
entre las cacegotías de los parámetros pobl�les yJas categoñas de las
variables correspondientes a la muestra; hasta enc.onmr l,a ponderación
que ofrezca la menor diferencia relativa. Uno de Ios_casos de conttaStación
debe in<:luit la muestra sin pond.et:at.
Dehnismo modo que en las muestras poi: cuoms, en nume-a:osos estu�
dios sociales suelenempleaxse las-variables sexo y edad.� esta couecclón.
En Ja investigacl.6n electnr�. sin embargo. es mUy aconsejable la m-­
ciusi6n defa·variable. WW.tinteriot
· para la portderaeión de la.m:ueso:a. No
obstante, esta decisi6n implica una serle de consideraciones y pruebas de
sustancial importancia.
En decto, si hu;n todas las variables relevadas pueden presentar casos
perdidos o difíciles de homologar a las categoóa!.que presentanl()s paráme�
ttos pob[acionales, en ocasiones de muestras ponderadas por VQto anteriol"
suele obtenerse una propotción.elevada deteSpuestas uno sabe, no contesta'\
las que resultan -a priori- ineq_uíparables.
En es�� caso, y en otros análogos, se presentan va.ñas opciones a manera
de solución.
Una® ellas consiste en tl11� esta& unídades en casos perdidos
(misslnJ cases), lo que implicaña considerar qt1e dichos casos se distribuyen
tal como se distribuyen los i:estmtes. &ta hip6ttsis esla empleada habitual-­
mente cuando se quíere•·tealiw
. . una proyección de la intención de voto,
Elajo el supuesto de que � i.ndeci$o$ (tos �/ne"} se distribuirán a fa hora
casos
devow·del:m.ismo modo que los decididos.
$in. embargo,' en ambos -tanto inmu:i6n de voto como voto
antetlor--,·podrla aduciISe que los qu� no 1espQnden (o quieren. tesponder
peto no recuerdan) tienen un motivo distmro que la indedsi6n. en tanto
el móvil queda oculto, probablemente pot vergü.etua social,S por lo que
 Margen de error
deberán realizarse las pruebns correspondientes paro contrastar otras
hip6tesis.1>
La propia experiencia presenta:valiosos an_t.etedentes y permite mostrar
una veintena de casos de encueswpreelectorales ponderadas por voto an­
terior, en las que dicha operación� mejorar la predicci6n que surgía
de los datos de las encuestas (Cabtera, 2004).
Error
En tanto se as.umal en. los esrudios sociales, una postura epistemo16gíca
en la que el conocimiento sea ptoviscn:io; deberá admitirse que no se pueden
alcaru:ar verdadei absolutas ni totalmente certeras.
Las ciencias sociales tendrán. tanto como pu.nto de partida tomo de
llegada. conjeturas, supuest.os, hi.p6tesis, estúnac:iones; IPdas ellas plagadas
de incertidumbres.
Incluso las teorías deben ponerse a prueba constantemente y ser tr.t�
tadas como híp6tesis.
En consecuencia. las investigaciones sociales que intentan medir cienos
aspectos de una poblaci6n.ohtíen.en. bajo el enfoque sefialadu, estlmaclcmes.
Dichas aproximaciones, cuando se reñeren a fa totalidad de la pohta­
ci6n, se denominan parámetros y logran conocetse a través de relevamientos
o registros censales.1
Sm embargo, conocidos o no, la población posee parámetros. Debe con­
sídctarSe que estos. a partir de las deñnkiones epistemológicas antedichas,
necesariam.em:e -se diría, por de6nición- se disnmdan de las estimaciones
coriscguidas en una investigación.
A la düerendao distancia entre la estimación y el parámetro se le asigna.
el nombre de erroi. desde un punro de vista conceptual.
6. En el Amhito de fa O.u.dad de Bueno, Aire$ son ro.uy populares tre:1 i:.onjeui:r.as: los
voto$ vetgonuntcs a favor de Mene111 {1!195} y De la Rúa (i;cm posterioridad !! 2001), y
e1 ocultamiento de un com.portamlento abstcm:iooista, ta$i en toda época y lugar (con
exeepc;lón �12001).
7. Elto.s parámc:ti:0$ se tom1lll luego. como r,eíerenc;ia pata la ,mimaclón de, por ltjemplo, los
wlor" � dcbcn. iu1tl!IÍJ: las cuJ?t0$,. Aunque los VU)l'e$ de l(IS parámetros-que $0n, \;4$ica•
b
�te, variales- puedan mdl6e!Kie inmeóiatmentt..� mlmdos, este procedimiento ,e
:apl1a. para aq�llas variable, conffclenidas duras o C$tnlt:l.\tn1les; es decir; <¡W! rtgisq'an un
cambio muy lento li trav& del tiempo (se,co, .edad, lugu de ft!$1de11.Cia, estado civil, earud�.
etdrera}.
1 109 11 O I Dis�ños muestra.les a m�ida
Operativamente, dicb.o enor puede set desagregado en dos tipos:
a) el dep.ominado error muutral, que es producto de la aplicación
de las m.uesttas probabilísticas¡ y puede ser calcul�o mediante una
fórm.üla nui..tem-'tica yexpresad·o a. través de un n.úmero;. y b) éi error
no muestra!, que abarca a t()CÍos los desvíos, sesgos y defectos de la
investigación, talescoino preguntas inadecuadamente íonnuladas en
un cuestlonatío, respucestas indebidamente registradas¡ falsas o que
no se corres{Jondan con la orientación de I.a pregunta, datos incorrec­
tamente ingresados en una matri:r;, diseñ,oa mucuralcs inapropiados,
interpret;adones de r�sultados desacertadas, elaboraciones estadís,
ticas impertinentes 1 etcétera.
Errór muestral
Este tpo i
de error es inheten�e a la ebhoración y aplicación de mues,
tras aleatoria61 construidas ccin el awólio de técnicas y procedimientos
estadísticos.
De lo que se nata al valorar el errot muesttal es de calcular el grado
de varlací6n que tienen las estimaciones de las,•propotciones de población
que. poseen. cierto atributq, ·bajo un detennmado· nivel de confianza, lo que
agrega precisión a la emmaci6n y disminuyé fa in<:etteza.
En Ia í'órmula mat:eínitica para el. cálculo inremenen: a} el nwel.de
confian:q,. (V!llor Z en]a fónnula), medido por la cantidad de:desvíos estándar
queseadmítancomoconfiables,bajoelsupuestodeunadistri6u�nµ.pnnal
de la varlable: b) la � de kt variable. medid� poda proporción de
pobladónqueseestimaposeedetenninado atributo (valoi:p); y e} elfal'Miio
de la muestra (valor n).
El nivel de conñanza se establece, por convención, en 1.96 desvíos
estándat; correspondiente a laconcenttad.ónaltededordela media del95%
de los valores en una distribución normal.
Dicho en ouas palabras, es la opemcionalización del concepto de con•
fianza (conceptualmente un. mscrumenco es confiable cuando de su repetida
utilización se consiguen tesultados �antes};. por cada cien veces que se
realice ta medición, se obtendrán tesultados razonablemente parecidos en
noventa y cinco oporruni.dades.
En cuanto a la variabilidad de la variable, para aquellas no dicotómicas
se debe caicular el enot muestrltl de las estimaciones de cada categoóa.
siendo p=proporci6n estimada.
 Margen de error ·1 ll 1 l 12. 1 Oíseños muestrales a medida

Habituahncntese caicul,aehnáxhnoenotmuesttalposiple (considerando CuadtoW1

p==0,5) lo que se- corresponde con una dist:rü:rucíón de valores en extremo T� de muostray mal'f1li'l1 de-enor
heterogénea. Esta (iecisión. implica, PO?: un. üi,do. una .actitud cautelosa y,
·r�aemüeittá' . ·Maío-im de eri'0r·. · 1llimalío d1nr�•lYa, � de error
po.r otro, posibilita el cótnputo de manea previa a ta.obtenci6n de�as e.sti, ··¡ , . • . � muestra!.
mací.ones, ya que se está calculando el máximo error que podrían derivarse
de las estimaciones.
100 9.8 1.500- 2.5
200 6,9 1.800
250 6,2 2.000 2.2
500 4.4 2.500
soo 4.0 3.000
800 3.5 4.000 1,5

1.000 3,1 5.000

1.200 2,B 10.000. 1,0

Los gráficos que se obsecvan a continuación muestran la evolución del

nwgcn 4e-enor: 111uymateada hastalos500� casos (Gráfico N" 1). muy
Como se advierte, si el. nivel-de confianza se traduce en un valor fijo
leve a pattit de ese
tamaño de muestra (Gráfico N" 2).
(debido a qj1e se ttata de una converu:ión} y la variabilidad de Ia variable GrállcoN•1
se mantiene constante {obsemmdo �. actitud prudente), el margen de Margan de emir y cantidad de cuos
error muestxal depende exclusivamente del �dela tnueso;a: a medida 10...-----------------,..........
que aumenta esta. decrece aquel: aunque latela,dpnno es propon:ional.
La siguiente tábla pcesenta losvalores del margen de enor pata clettos
tamafios mue5trales; para un nivel de confwua def 95% y una variabilidad tl++------------------f
extrema de las estbnaci.ones (p==O,.5).
! +-1------------------t
G

i '
j 4 i--"lr--------------------1

gr-�==::::::::=i
�

0--------------------'
o: 5CI) .,.,., ___________1'00____�
Cm¡o,¡

Para unnfvel de eo.nflanza del 95% y p.,, 0.5

 Margen de error 1 11:3 114 1 D�eflc:>5 muestrales a medida

GnificoN-2 C} Los. tie.tn.{)OS con que se cuenta.

Matgen dé.error y cantidad de cuos D) El gtad9 de heterogeneidad del universo (a mayor homogn e eidad,
14 ...------------------ menor can.ti.dad de casos}.
E} El gt:ado de conocimiento que se _posea acetca dcl universo (a mayor
12.¡:.....-�-----------------1
desconocimiento, asumiendo una actitud cuidadosa, debe suponerse
mayor heterogeneidad,).
F} El ru'.imero de valores que se desee obtener; en promedio, para cada una
de las celdas del cuadro bívatiado c.on mayor cantídad de categ0das.

tas muestras de poblaciones humanas

2+-------------------�
La teona· de las probabilidades, basada en la Ley de los Grandes Nú•
º�-----------------..J
o so 100 150 200 raso soo sso 400 450 soo sso soo
meros; di.ffcilmefite pueda ser aplicada en forma pum; si cabe la expresión,
a un objeto de estudio diíetenn: del que tenían los investigadores ante �
QIS(l6
cuando ella fue pensada.
Para un nivel de aonfilllll!a del 95% y p,. Q,5 En ef«to, desde fines del siglo XIX y c.on: el 6.n.de que fueran aceptadas
socialménre como ciencia,� disciplinas sociales y humanísticas adop,­
Maiimtkero,r.�.�;� en �es finiuis mon -y adaptaron- métodos y procedimientos provenientes del campo
-E =Z,W:>,.f_lp'.'i'(l�p)i•:- {[ÚnJ • {l/NlÍ de hs llamadas ciencia$ duras (física, ingeníeña, biología. etcétera) que
Tamañoile lá�a�ra�� en.�finitas cargaban con un merecido y aedente prestigio po.r sus logros e:xplic�tlvos
_ n=
{(p•·füptl!'IÉ1ÍmJ+.{{p ff.p)l/N} * y predictivos.
Milrgcnde �-�,���ioms-P'tádise� esttati!i�s Cuando el fugenieto extrae al uax. de lal!nea de.montaje una cantidad
.- E= 2 * 1 (1/Ni) ":I-<N;-�·N¡).-" fCNtn.)JNJ "'l(p�L..p) /(nc-iH de latas de g&Se<>Sa para verificar su calidad, sabe que ninguJ:la �ta &e negará
a ser '1encuesaldajj; en cambio, que un individuo elegido 8.iátosamente para
,i; �no de la m� .· ser mdw'do en unamuestra no quiera panici.patdelituerrogatorio ...:10 que
fe. proporc;&de ta-�6n.quc pQSCC la.cem.cerf&ticáde inmls
.Zt nivel� coa!anz.a ocurre con ííecuencia- introduce un sesgo que desvirtúa la lógica del azar
lt:-ctrorque&e eatt�ispuesto s. aceptar· y; por ende, la teoría.
N! táti\año de la pol))ad6n Wniuestras de pobtación, c;;uarido la.s uni�lUUcntaleuon iodivi·
duos. se sabe, no sona�no sonprobabflístieas en el� �Utbleddo
por la literatura� yno puede pretenderse que lo sean ya que no
Tamaño de la muestra se basan en un sorteo de individuos dado qu.e1 si asf $e. lo hiciera, setía muy
di&.ultoso hallar a los elegidos y conseguir que respondan los- pocos que
El. tamaño de la muestra se detenn.ína a partir· de los siguientes criA si se encuentren. Por lo taru:o, los tesponsables de encuestas introducen
te.rios: elementos de probabilidad al sortear conjuntos de individuos contenidos
en conglomerados (generalmente, manzanas urbanas) en muesttas · que,
A) El tamaño del error muestra! que se esté dispuesto a aceptar. básicamente> no son aleatorias pero que incluyen componentes a.t.arosos
B) El costo de realizaci6n del operativo de campo. en alguna de sus. etapa&.
 Margen de imvr 1 115 116 1 r;>iseños muestrales a medida

Dentro <,te cada cgriglomerado, los respondentes son seleccionados

mediante lo que se conoce como sistema de cuptas; es d� se int:enta
reptoducir � la muestJ;a cie� caractetúticas de la pobfación que se �­
sideran apropiadrtS: ge�n:te, sexqy dad. OcasÍ()tlabnente·1 educación
· ;
en casos de estudios l)l?líticos, 410to anterior.

Relación entre tipos de muestras y tipos de encuestas

Es decir que las encu�tascoincidentales y las autoad�tradas-por

cor:teo postal o elect:::ronico- nunca pueden basarse en una niµestra pro�
babi:listica.
Lo dicho se funda en qu.e1 en las primeras, resullllimposíb� incluir una
e a en el diseño rnuestral·en la que algán tipo de unidad
tap · · de· mues®()
·
pticda ser seleccionado por ña aiarosa.
Por su parte, en tas encuesuis � autoadminis�-en las
que el encuest:adb eotnpletá elcuestkmari,o sin la presencia de un encues,
w
t:ador- muestras se autoconstruyeny la intetVenctón del investigador
en su- discfio! es muy limitada.

2.\"!>
 Margen de error 1 1l7 l 18 1 Diseños muestrales a medida

Díseña mue.ttral para un estúilio entre

· estildíantes
· de una foodtad Dis�piuestralpara-Ím:�ío . éniré decisores lk comPi'llS �cmW'I
Encuesta coinckfental,
,
.
��
Se de�rmlna. el ounal.\o m�Ü'lll $CgWl. éLnwgen de errot cp.r,:.se enE díspuest<> il �4� ·:
aceptar, y según los tiempos y �p�m cxm.�ue.se cuente. h• ®tnlclliaria.
A, � � �íó.�� la JiP?1aclón ,egi1n � de pcnenencia. Si--���� el� ��fM!�cl-margcn de em:it que aecstt �ri;,-i\
B. Se wabfecencliOtiSitgíÜlSfio �:�y $eXO, ac� � �gdnb liempos.y�tipuesu:>.eó.n qúe �e cuente.
•i:i� tntt& de un disef\o es� p¡bpo,oc,nal, con se�ión d� c11treVistado A• .,_·:
-e,$n;I .
, ti&i-eF\ll1!9ltlRO�u
,; ·. · �i:....:
,._,.,-""no0 radio ce
•. n,w.�
, . • cuaheaia
- dtvisi<Snc
ñnalseg6; CU<>ta$. La mucma � es'prol:,� · ,�:�tlNQ�(�ll9�����,�h�malliacjq.cnq_��,µ,i.
��-��-��)$�t9's,�tiibleceri.en.�atnú(neiodc
Disefío muestral para un· �tud,io enift ttfili:adcs de un Pttrtú1o polí.tito .en un Ti-bi.nmiés � c!ecir&á� º radio.
municipio
Encuesmdomkillarla.
Si de�nnjo.a el wnaJ'!o mue;tm �-el margen de etmr: que i.e ·fflt dÍ$p11t$tO a
, : · *��� *:�-�
l:); �tio���fui.eción�dtíie1r'��aegúl!.'etiterios���.
t¡rtQ m��na.
D•. Se establece'ttna.caíi�d'di:Jndivl� li entttvisat por'.� urbat)a Y
accpUr, v según los tifflptll y pmupil!l$� �q� se cuente. se �el!it:�@n Iu-� o� {no 1MS de Ul\ �i�.ppr vM�)
A.�· duetlaue,tmr.oa �lá cantidad<ie afiliedos de cada dl.roiro elecu,ral_ en . ge .ae��_fdó u, alg@..:���ntll �Ul�QQl dé �!ll¡da-(el ��
que ie dMde el munlclplp. comennrísu.�m&,:.��n�_�nado¡teéorm4laman�éh.
S. Mediante l'in sorteo sl!tti�tiécue ejígen. eventuales entrevistados. Previendo 'de� senrido¡•y � las:� úilparu, pqtejcmp4').
la desactualízacilSn.deÍ ptdttin Y.�.inconvemerues dermdos de las deapro, c;ádá
E..· Eri, vivíendii -�.d��:� � � �,l!i;la..��í:le en•
Ujídacle$ m la con(l!Cl;ión: i lós lisiado, .de eliliados Se eligen. reipecto de la& �vistai ,a los· rbónt&.re.s'qUó � 'r°' reqúi¡i� -,Plll'a eóMítuine Cótoo
k

unida.des .selec:ciona.dá&meid�tl;l �Spm!O, los cinco aftliados que continúanen �-�· '
ef listado pata evcnt.Ú�fes R\ll!mplW, Se ifata ·de un dísefio esrntUl¡:ado p¡;opoq:;ional,. no piohab\lfs� oon sc:fccción
C. La sclecclón del entt,cVti� 6l131 se � median.te cuotas de voa:, anterior.. delas en��� aohfc·labue �-cuow de edad.
Se tm ta de un diseño probabih'stieo,. Ñ�seg(in cuow. .
. Sdgi�,�
-��ta t9lru:identaL
$é. <tetermirut el ca� m�l �gun el Íniugen de er:rot que se es� dispuesto a
•�-Ptar; '!�kit Iie�·, �puc!Jtq ,con-que se cuente.
er
/(.·Se éstratifica uri!VÍ!rso •nli:aec� o r'Mlio �l. se�ncual.Ra ta. Qivisión
· ·qt.i� . ..,J.J,h¡ÓEC{,��-� la. e�) haya tw.ÚJ:fo.eb. ��La­
Íisipcló!Íce m.Qte#,��tQ.-,e.i��cent' et\ propoiciónlÍlriilll)et'O de
liahltan� -� �--�n Q raoÍI).
l'f � ��� �l.'9S'truiesr;talés én �Ípc�; i
y� �ttjalu de alta
co��nttaéi� d.t/Po� lin étistb:it.06 bllln05, de man� tal de ul,j.ear al
-� un: �unrb'níu�ú�ri.cad¡¡Ji�ión o mio a:risal:
a b �n � ��� llnai se ie¡uüa me_d��-f,iio� de edacl;'.
�
. Se �rá�a i1e t!J;I di.1 :��o propótclonal, .basado .
í:npun� mu�es. con
. . . , . . .
sdea:idn de fóÚn� i:óli;áJ� ii'cüotas.

·--· - . ·- ---·-- 1