Professional Documents
Culture Documents
unidades de muestreo; _podrán discriminarse dos tipos de muestw: 1) las En consecuencia. la manera de diseñar las muestras cualitativas reitere
que se construyen sobre la base 4c consideraciones y procedimientos e;s� a criterios distintos.
tadfst:icó$, habitualmente luunadaspro��' debido a que1re �n En primer lugai. las unidades de muestreo seleccionadas deben tefle,ill"t
especiah:nente enlas leyes �tadíst:kas del� probabilidaq. partícularttlCnte de alguna manett, aquellas variables consideradas criticas para el estudio,
en la Ley de los Grandes Níimerosy en elTeorema del Uiníte Ctnttál; y 2) a'111Q.t1e la id.ea de representación se toma. en este caso, más di� que en,
las que se elaboran sobre la hase de otro tipQ de etiterlos, no estadísticos. los métodos cuantitativos.
'Pot otta parn; las muesttaS resulWites podrán� consideráda$ teprQ� La razón principal recae sobre el número sumamente escaso de
sentativasdét universo siempm que -respeten las ptopotciones delos "Valores unidades con que cuentan liíS investigaciones cualitatiVáS. Ese pequet'ío
de aqúel{os paiámctros juzgad• cñti� o, bieni en {a medida en que sean n'l1meto; muy inferior al que debe utilizarse en estudios cuantitativos,
elaboradas a partir de criterios estadí$dcos. pemúte la profundización. de la pesquisa. (uno de lot criterios esenciales
Se deduce, pues, que todas fa� muestlas probabUísticas son d'.e la investigación cualitativa) pero, a la vez, impone límites muy severos
teprerentativas? en tanto las no pxobabilístic:as ·sok> podrán serlo, según a fa noción de representatividad, entendida esta desde. una perspectiva
cuáles ha� sido los métodoo utilizados, y dependiendo de fad�cí6n matemática o estadística.
fáctica (µo �) de los. valores .de .las variai;)les seleccionadas para su. En segundo lugal) se encuentra muy extendida la idea de s�
construcci6n. que se basa en el supuesto de que cierta cantidad de unidades de análisis
No obstante, debe sostent;rse -en línea con la bibliografla más orto� J?Odrá brindar la infonnac;I6n que se busca, miénttas que agregar más casos
doxa- que solamente a través de estimaciones. logradas bajo una muestra solo coottihulrl'a a reiterar los dato$ ya obtenidos, sin agregar información
probabilística podmn realm.tse inferencias. Est:$5 deben entetlde� coro.o sustancialmente nueva.
inferencias estádfsticas, es decir,. probabilísticas.
La gener.úuación de fas �t:imaciont;S obtenidas por aplicación de la
no
Muestra¡ considerando que los resulta.dos .SOll v@.do$ solo pára ella sino
también �
Tipos de muestras cuantitativas
fa población en estudio, es cm. proc.edimíent:o anál.ítíco no
impedido parninvestigadores que trabajan con muesuas no aleatorias, pero Muestras probabillstica.s
el recurso debe estar teórica y metodológicamente justl.fi.cado.
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
las muestras en, Ja Investigación Cualitativa ·set selecclonadas para intl:grarla muestra, convirtifndose, así, en unidades
tnuestnil.es o unidades,de mucm:eo. En casos especiales se puede fijar una
Los estudios llevados a cabo solm:la base de métodos cualitativos tam, probáhílida� diferente a cada unidad, pero fa frecuencia de ocurrencia de
bién utilízan muestt.as, pet'O su elaboración responde a difen:ntes ()bjetivos cada caso debe :ser siempre conocida.
que los que¡pemguen fos métodos cuanti,tanvos. 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 1 101 l 02 1 Díseilos muestrales a medida
En tamo, ta Ley de los Grandes Números indica que la frecuencia Tipos de muestreos probabilísticos
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. Muestras al azar simples o muestreo lrrestricto
Estas premisas permiten asegurar que- la distribución. de los valores de
1as variables de una. muestra tenderá a semejarse a la dlsttlbucidn de los Se trata de otorgar un.naineroa.cada una de fa.s•unidadesde·análisís
valores. de los parámetros del univeuo del que fue extraída, solo poi: efecto y proceder a un sorreo mediante bolillero, tabla de riúmi:tQS aleatorios o
del ptocedimicnto, aleatorio, ejecutado para la selecci611 de las unidades mecantSmO similar;l
de muestreo. El mecanismo se apüca de una vei, en una sola etapa., extrayéndose
Por to tanto, alcanza con tener a disposición las unidades de análisís, o de la pobladdn todos los casos que se necesiten para la conformación de
colocarlas en un listado, a los efectos de reamar un sorteo, No se necesitan 1a muestra.
más datos del universo para confonnar una muestra representativa. Los libr0$ de estadfstica mencionán la posibilidad de reponer {volver a
El requisito básico es que fas unidades se encuentren me:cladas, es incluir en el universo}. o no. las u.n$dades que vayan siendo selec.clonádas.
decii; dispuestas desordenadamente. En el caso de la reposición, cada sorteo es independiente deLaritetíor
Sin embaxgo, ta bíbliopfia no ofrece solucíón explícita para denos y le sigue.otorgando a.cada unidad de análisis la misma probabilidad de ser
problemas que se plaruean al diseñar muestras en donde las unidades de elegida,
análisis son. individuos -personas-. o conjuntos de ellos, como ocurre en Bn cambio, sí no huhiem reposici6n, las unidades todavi'a no $0tteadas
las dencias sociales. tendnan la misma probabilidad entte sí, peto mayor -aunque conocida
En.primer lugar. hay po� listados de universos de personas que resulten probabilidad que las ya elegid;is.
confiables, actualizados y dispónibles. & fa práctica. y sobre todo tratándose de poblaciones constituidas par
Segundo, nose enc�entta respuesta en la literatura a la pregunta ic:t.!ána personas. la alternativa de reposición solo puede ser admitida c�do se
do una población puede co:nsidetme de tamaño grande (como para que trata deelabom: una nueva muestta de la misma población {construcci6n
equivaTga a un.Universo-por definir::í.6n, conscib.lido pot innnitas unidades de m!J,e$lt3S independientes).
de. nnálisí&-y Ta aplicaciónde 1a ley de los Grandes Números tenga sentido}. El muestteo in:estrícto es un pcoceduniento tecomcndable. sobre todo.
Ter�tQ, y más importante, aun con ÚStllS completas, fiables y a dispo� para poblaciones relativamente pequeñas, poco dispersas geográficamente
sición de los investigadores, y bajo et supUeSto de una p0blaci6n sufu:ientc� y de lasque no se cuenta con mayoxes datos.
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
� •onos �
3, la !dc:a.et $Cft:a:ioiw � cantidad de unid.des •olo am b fa� dt1 ,am. 'Thhla tle
li denotaimqdn ��mé se.tgna. a un �n(9 de.nwue,
ros, .qu.e se �ta cníonu�de tabla (Ctlll. fl1q y�) en� 1aclod.os � dé
est�. Dldl.o51l\tnletos,d�,fucl0119é�ffliln!la�del\iolYemde
frente a los iru::on.venie� señalados. y tal vez esta sea 1a taZ6n por la que n'íl�IOS1\�dtwulffli,tn. lAJ.alila��nl!.llb:áda""11&�Cl,lc;�iri!l!�n
Ia litctatum incluye este método dentro de las- muestras probabilísticas de fila y.cclumna, ylmnameos .(IUCden•r agnqiados en la.cantidaidde df&jr.os� se-111r.
aunque. estrictament.e. la eonglomexación de unidades de anÁÜSiS no es un Oaasfcxuadé.resolverel�del�sinosedil{)<lrlCdtlC1tmedlosanttiriomefiteindí>
procedimiento que deba � nécesaria ni, menos, exclusivamente al Cíldó$,se�nt\ienttinreeummdoaeualqultr�di!.nóirumls.ietque{'Ulldtatenme
qudl.WQl'i. � de una aur11e1unoc1j1bl�l!IClltt uarosa¡ como, por cjca,plo, 1011 n4memi de
muestteo aleatorio. teléblof (� 1. cancttnslia!$) dio uoagu(á¡ d!réctOrio o•ágejlda.
Tani�n pUeCie ac.udine. a 1111. progn!II\A de compi,tecl6n.
Margen de error 1 103 l 04 1 Di�flos muestrales a medida
4. En �.111.bibllograffa. trata1tJ. m.uestru pote1.1ow, �bido a su c11rw:�rno l)t(ibabílútico, Este tipo de _muesuas ¡e construye. seg(in las posibilidades exlsrenres,
.0$
como�ttuenosiJQillcadvasy,pore11de_,noapw-<Ot'tlOiNtt1,1t11Coto'rilido pca ..i1zar cuando resulta imposible elaborar una muestta de otra nanualeia.Debido a
m� ll.!fa(lue ¡e.l!!S•�fa vtíítitja-dc � dWu ·�clekis �-•� una elementlll actitud de cautela. no pueden set consideradas si,gnm(:ativas.
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«
Lasmuesa:as de este tjpo no $iguen ttgla alguna, más que faposibili.dad
(,.,141ddu�,mq�"f',:¡tis�nlllut1UCOSnowca�Qlf05w.siita�-(_,.] efectivamente.conseguida d.e incluir una-unírlád de análisis en la muestra.
son muy�e:s"; 4theiódode"tUOIM[, ••J � íii'il 'odl:cuadi�liUMdiddtl Ocupa un lugar relativamen� impot:tante en. la bihliografiala técnica
vnivmo...").�_�dedudrqlltcl¡,t�_rodecuoréoestó"lllideradolitil paralop
ffi\lestra. r�,ntliÜllu' (RoddgUilt_Oiúnl, 1991.i l1J 45;� Olurui, "Feffi!My)lGfie i, denominada bola de nieve, aplicada generabnente frente a universos poco
1991; 14-0; y Diúde Rada. 2008:240). O@auto1.si li1ttimclüynl muestttoporcuotiiSdtntro frecuenres por su espedli.cidad, que� en !a integtaci6n de la m.ues
de IOSi �c0$ noafeatorios1 2ñlllaque utitt trtéplllíiei\ro atin marorpucdí, �
{•. ,J [sil fas pñaxl-·l:UfiN �cl!Ísclecé16npuedmbitirae allll�yl111 illriÍn11{••• ¡ � tn. a partir de un primer contacto que llevará al siguiente, este a otro y asi
wotM f...J � snftodote dc:IJOlnlna "'llll!Sl"Ílo� (Sarbancho, l978: U6; desuacado
"'
sucesivamente, oficiando de nexo entre uno y otro los propios encuestados.
en el OfieUllÜ).
Margen de error 1 105 1 06 1 Diseiios muestrales a medida
Los procedimientos de esttatükación y conglomeración son habitual• Los conglomerados� definen como conjuntos de unidades de an4lisisi
mente incluidos en la bibliografía como subtipos de muestras probabilís síe.ndo cada uno suficientemente homogéneo respectO de los demás 1 tan
ticas. Sin emb3tgo, una vez realínda la esttatincacíon o confoanadós los heterq�ensu in�coxno pataco� a cada üno,represcntativo
conglomerados. debe selecdónmc una.muestra de población para todos y del univeno, de un esttato o subesttato, según sea el caso.
cada uno de los cstrarritl o para los conglomer.dos que se decida incluir en El coog{Qmetado � una unidad muestta1 colecti'Wl: se trata de un
el diseño. &ras suhmuestxas pueden.basarse enoperildones de selección no coníunto de unídades del universo de'Snidas espacialmente que, bajo de.
aleatorias, por lo que -en T$lidad;,..1a estratificaci6n y la c:onglomera,ción termina.dos a.pectes. se considera que forman una unidad.
deben set considerados únicámente como procedirruentc;¡s de segrnentacíón Cuando los c:onglomcrad.0$ se re&ren. a unidades geograficas suelen
del universo. denominaxse Arell$.
Dichos supuestos permiten elegir -de t.Jiia manera aleatoria, si fuera
f
Estratiicación pertinente,- solo algunos conglomerados, de manera de sup.pli6car dope
rativo po$teriqr de selección de la unidad de muestreo menor, individual.
La cscratificacion es l.ili proced.imicnto mediante et que se divide el Se utilua en generalpara tedl!Cit los costos de la re.colccd6n de dat.os,
uníverso dé éStttdio en subpoblaciones eonjuntamente exhaustivas y tnu. sobre todo cuando el untvetSo resúlta muy dispctso geográ&:amente.
tuamente e.xduyenr.es, elaboradas con uncdterlo de releváncia enrelaci6n Míen.tras que enel muestreo estratí&ado se selecciona una muestra
con los objetivos de la investigadón y según la disponibilidad de datos al intccior de cada estrato., aquí se sclecdona una muestt4 de cmigl.o
paramétticos. merado.s: �pudiendo realizarse esta elección al mr- y ,se trabaja sobre
Se deberá seleccionar una muestra para todos y cada uno de los estratos ellos� dividida la. población en conglomerados, se selecciona al aiar un
(y, si los hubiera, subestratos). cierto ndmeto de estos dentro de los cuales se elegirán tas unidades de
& deseable, para.conservar la mayor homogeneidad de procedimienros muestreo finales,
-y con un fm comparativo-, elaborar tm disetio · muesttal con idénticoi; Respecto del procedtm,iento de esti:atilk:aci6n1 etn:iecánismo de con�
criteci05 procedimentales pm:a cada csttato. glom.etae:ión: cuenta con la vcnfaja de que, a igualdad de recw:'sos, pennite
La. asignáción de casos pam cada estrato podrá ser pmpotcional. al lc;gtar un taniaño de nruestta mas·
grande, aunque con menor dispemón
tam.afu>· de cada uño de el.10$. o no, de ta poblad6n.
Se trata de un rnéeanismo homólogo al cuoteo, basado en la segmen Sin embargo, debe anotarse entre las desventajas que aumenta el error
tación de la muestra, con la diferencia esencial de que ya fiO se crac;a de de las e$tb:naciones.
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: Muestras por etapas
Ofrece la posibilidad de calcular estimaciones sepatadas pam cada una.
de las suhpoblaciones. Et procedimiento de conglomeración puede acompañar al de esttati•
Al agrupar unidades de tnuestreo homogéneas, mejotá las estimaciones ficación.
globales. M, pueden sdeccionjrse conglomerados dientrC> de varios es.tratos o
Pennite utilizar métodos direJ:cntes de muestreo en los distincos estratos. procederse a estratiíicar los conglomerados.
Facilita la tarea de recolecci6n de los datos. Seacualseaelmec�eíndusoconsidetandoquepuedenelegirse
varios y diferentes níveles de unidades de-muestreo (po� ejemplo: estratos.,
Margen de error ·1 Hl7 l 06 1 Disef'iOs muestrales a medida
co�lomerados e individuos}, el dispositivo puede derivar en un esquema que permitan alcanzar una adecuación más ceñida a los patátpettos po�
por etapas. blactonales, independiente�te. de las varia.bles que se hayan utiú:a l do
En tanto una de las etapas co� un método de seel cción aleatoria para su ccmstrucción.
de unidades,¡podtá r.oti$iderin'S(: que�. tra� de t1n diseiio probabi1ístico, En� debetáncalc:ular$e·k,s.va}o� de corrección..(Y E/O} =
aunque no &e· hayan elegido �qiante este X1?Cut$9 fas unidades menores para cada una de las ponderacio�posible$. �· decü;la muestra debe ser
de muestreo (peoonu}. que es 'lo que estrictam.eme Uldica 111 bibli� pondei:ada tantas y � veces COIDI) sea viaple, en función de los dif,e.
·
probáble� �aorlginalmente para 1:>tro tipo tie campos de es1:tttlio rentes parámetros poblad.� que se �van �vado. ·
y-no adaptada su&c:ientementeJ las del\Cm$ SOC-íltles, en las quefos objetos M, pma cada pondetlltj6n posiblerdebemllcont:rasimse lás diferencias
de estudioS son sujetos. 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
Ponderación debe in<:luit la muestra sin pond.et:at.
Dehnismo modo que en las muestras poi: cuoms, en nume-a:osos estu�
Debido a que e n las muesnas, por su tamañc> relativamente pequeño, dios sociales suelenempleaxse las-variables sexo y edad.� esta couecclón.
ias umdades de � no equi:vale.i. exacta y pro_porei�nre a fas En Ja investigacl.6n electnr�. sin embargo. es mUy aconsejable la m-
unidades de;�, � s�le ajustar $u v�lor (su peso relativo dentro dcl ciusi6n defa·variable. WW.tinteriot
· para la portderaeión de la.m:ueso:a. No
conjunto) mediante la pond(!QlCiQn de cada caso. obstante, esta decisi6n implica una serle de consideraciones y pruebas de
Ponderar significa introd,1JCir un factot de correcci6n, basado en una sustancial importancia.
operación matem&tica, que 41tera etpes:o � cada �o en todas ·&u varidblesv En decto, si hu;n todas las variables relevadas pueden presentar casos
que, en co�cuencia, modi&:a la: frecuencia, de aparición de los valom de perdidos o difíciles de homologar a las categoóa!.que presentanl()s paráme�
todas las variables. Se trata de una corrección de fa mattiz de d�tQs que se ttos pob[acionales, en ocasiones de muestras ponderadas por VQto anteriol"
justifica si las modmcacio� prQC.iucen un mejoramiento de fa calidad de suele obtenerse una propotción.elevada deteSpuestas uno sabe, no contesta'\
la muestra, tnedidapotuna �.sfmmación.Jl.<l sigru{kativa de las v:ttiables las que resultan -a priori- ineq_uíparables.
que TI() hayan intervenido el'.!. la ponderacióltVi especialmente, por una más En es�� caso, y en otros análogos, se presentan va.ñas opciones a manera
ceñída estimad6n de áquellás variables que pueden ser eonttaSta@S con. de solución.
·
pai:ámettoS !)Oblacionales. Una® ellas consiste en tl11� esta& unídades en casos perdidos
Es dec� se trata de asignar a cada caso un. v$r para �l recuento (misslnJ cases), lo que implicaña considerar qt1e dichos casos se distribuyen
que guarde la máxima relación entte. su peso teórico y su incidencia en tal como se distribuyen los i:estmtes. &ta hip6ttsis esla empleada habitual-
la muestra. mente cuando se quíere•·tealiw
. . una proyección de la intención de voto,
La fórmula mate�tica qué permite detemú:nat dicho valor es el co- Elajo el supuesto de que � i.ndeci$o$ (tos �/ne"} se distribuirán a fa hora
casos
cienre entrela cantidad de casos esperados y 1a cantidad de c;.g.sos observados devow·del:m.ismo modo que los decididos.
{V=E/0). ! $in. embargo,' en ambos -tanto inmu:i6n de voto como voto
El peso se aplica en. funci6n del.a variable (o del ero.ce de.variables) antetlor--,·podrla aduciISe que los qu� no 1espQnden (o quieren. tesponder
cUyoparárnetro ),l()blaci.onalse conozca.y se con.$ieruelevante en función peto no recuerdan) tienen un motivo distmro que la indedsi6n. en tanto
de los: objetivos del estudio, el móvil queda oculto, probablemente pot vergü.etua social,S por lo que
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
Margen de error 1 109 11 O I Dis�ños muestra.les a m�ida
deberán realizarse las pruebns correspondientes paro contrastar otras Operativamente, dicb.o enor puede set desagregado en dos tipos:
hip6tesis.1> a) el dep.ominado error muutral, que es producto de la aplicación
La propia experiencia presenta:valiosos an_t.etedentes y permite mostrar de las m.uesttas probabilísticas¡ y puede ser calcul�o mediante una
una veintena de casos de encueswpreelectorales ponderadas por voto an fórm.üla nui..tem-'tica yexpresad·o a. través de un n.úmero;. y b) éi error
terior, en las que dicha operación� mejorar la predicci6n que surgía no muestra!, que abarca a t()CÍos los desvíos, sesgos y defectos de la
de los datos de las encuestas (Cabtera, 2004). 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
Error tamente ingresados en una matri:r;, diseñ,oa mucuralcs inapropiados,
interpret;adones de r�sultados desacertadas, elaboraciones estadís,
En tanto se as.umal en. los esrudios sociales, una postura epistemo16gíca ticas impertinentes 1 etcétera.
en la que el conocimiento sea ptoviscn:io; deberá admitirse que no se pueden
alcaru:ar verdadei absolutas ni totalmente certeras. Errór muestral
Las ciencias sociales tendrán. tanto como pu.nto de partida tomo de
llegada. conjeturas, supuest.os, hi.p6tesis, estúnac:iones; IPdas ellas plagadas Este tpo i
de error es inheten�e a la ebhoración y aplicación de mues,
de incertidumbres. tras aleatoria61 construidas ccin el awólio de técnicas y procedimientos
Incluso las teorías deben ponerse a prueba constantemente y ser tr.t� estadísticos.
tadas como híp6tesis. De lo que se nata al valorar el errot muesttal es de calcular el grado
En consecuencia. las investigaciones sociales que intentan medir cienos de varlací6n que tienen las estimaciones de las,•propotciones de población
aspectos de una poblaci6n.ohtíen.en. bajo el enfoque sefialadu, estlmaclcmes. que. poseen. cierto atributq, ·bajo un detennmado· nivel de confianza, lo que
Dichas aproximaciones, cuando se reñeren a fa totalidad de la pohta agrega precisión a la emmaci6n y disminuyé fa in<:etteza.
ci6n, se denominan parámetros y logran conocetse a través de relevamientos En Ia í'órmula mat:eínitica para el. cálculo inremenen: a} el nwel.de
o registros censales.1 confian:q,. (V!llor Z en]a fónnula), medido por la cantidad de:desvíos estándar
Sm embargo, conocidos o no, la población posee parámetros. Debe con queseadmítancomoconfiables,bajoelsupuestodeunadistri6u�nµ.pnnal
sídctarSe que estos. a partir de las deñnkiones epistemológicas antedichas, de la varlable: b) la � de kt variable. medid� poda proporción de
necesariam.em:e -se diría, por de6nición- se disnmdan de las estimaciones pobladónqueseestimaposeedetenninado atributo (valoi:p); y e} elfal'Miio
coriscguidas en una investigación. de la muestra (valor n).
A la düerendao distancia entre la estimación y el parámetro se le asigna. El nivel de conñanza se establece, por convención, en 1.96 desvíos
el nombre de erroi. desde un punro de vista conceptual. 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•
6. En el Amhito de fa O.u.dad de Bueno, Aire$ son ro.uy populares tre:1 i:.onjeui:r.as: los fianza (conceptualmente un. mscrumenco es confiable cuando de su repetida
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$i en toda época y lugar (con utilización se consiguen tesultados �antes};. por cada cien veces que se
exeepc;lón �12001). realice ta medición, se obtendrán tesultados razonablemente parecidos en
7. Elto.s parámc:ti:0$ se tom1lll luego. como r,eíerenc;ia pata la ,mimaclón de, por ltjemplo, los noventa y cinco oporruni.dades.
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 En cuanto a la variabilidad de la variable, para aquellas no dicotómicas
:apl1a. para aq�llas variable, conffclenidas duras o C$tnlt:l.\tn1les; es decir; <¡W! rtgisq'an un se debe caicular el enot muestrltl de las estimaciones de cada categoóa.
cambio muy lento li trav& del tiempo (se,co, .edad, lugu de ft!$1de11.Cia, estado civil, earud�.
etdrera}. siendo p=proporci6n estimada.
Margen de error ·1 ll 1 l 12. 1 Oíseños muestrales a medida
i '
j 4 i--"lr--------------------1
gr-�==::::::::=i
�
0--------------------'
o: 5CI) .,.,., ___________1'00____�
Cm¡o,¡
2.\"!>
Margen de error 1 1l7 l 18 1 Diseños muestrales a medida
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