La importancia del tamaño de muestra en una investigación

Escrito por Estefanía Mac ; última actualización: February 25, 2019

Cuando se realizan investigaciones sobre clientes, pacientes o productos es complicado y costoso recopilar datos de todas las personas o población.

De allí el trabajar con una muestra (o subconjunto) y no con todos los sujetos de interés.

Existen procedimientos a seguir para desarrollar una investigación a partir de una muestra con la debida rigurosidad para que los datos representen al total de la población.

De esta manera podemos aprender y conocer a partir de esa muestra las características de la población o mercado meta. Hay diversos factores que pueden afectar la forma en que una muestra refleja las opiniones de la población.

El tamaño de muestra puede afectar la validez y confiabilidad de las conclusiones obtenidas en la investigación. El tamaño de muestra afecta los niveles de confianza y el margen de error.

Te presentaremos algunos conceptos claves relativos al tamaño de la muestra que deben considerarse cuando se realiza una encuesta.

No dejes de leer: Definición y descripción de la investigación cualitativa

Nivel de Confianza

El tamaño de muestra determina la cantidad de información a recopilar a partir de un universo disponible. A partir de allí se determina la precisión o nivel de confianza que tenemos en nuestras estimaciones de nuestras variables.

Statistics How To describe el significado del nivel de confianza en un estudio estadístico.Una estimación siempre tiene asociado un nivel de incertidumbre de que los datos de la muestra no sean representativos respecto a la población.

Este depende de la variabilidad subyacente en los datos, así como del tamaño de muestra. Cuanto más variable sea la población, mayor será la incertidumbre en nuestra estimación.

De manera similar, cuanto mayor sea el tamaño de muestra, más información tenemos y, por lo tanto, nuestra incertidumbre se reduce. Aunque ello implica una inversión significativa en costos y tiempo.

Supongamos que queremos estimar la proporción de adultos que prefieren una marca de producto. Podríamos tomar un tamaño de muestra de 100 personas y preguntarles.

Es importante seleccionar una muestra aleatoria, es decir, cada individuo tiene la misma probabilidad de ser seleccionado. De esta manera nos aseguramos que sea imparcial y representativa de la población.

Si 75 de las 100 personas prefieren nuestra marca, estimamos que la proporción de aceptación es 75/100 = 75%. También podemos construir un intervalo alrededor de ésta estimación puntual para expresar nuestra incertidumbre en ella.

Generalmente se estima un intervalo de confianza del 95% para nuestra estimación basada en un tamaño de muestra de 100.

Este intervalo de confianza del 95% significa que hay una probabilidad del 95% que este intervalo o rango contenga la proporción real.

En otras palabras, si tuviéramos que recolectar 100 muestras diferentes de la población. La proporción real estaría dentro de este intervalo aproximadamente 95 de 100 veces.

¿Qué pasaría si aumentáramos el tamaño de muestra? Supongamos que preguntamos a otras 900 personas y encontramos que, en general, 750 de las 1000 personas prefieren nuestro producto.

Nuestra estimación de la preferencia en toda la población es 750/1000 = 75%. Sin embargo, nuestro intervalo de confianza para la estimación ahora se ha reducido considerablemente.

Debido a que tenemos más datos y, por lo tanto, más información, nuestra estimación es más precisa. Cuidar este aspecto es valioso dada la importancia de la investigación científica.

Te puede interesar: Tipos de diseño de investigación

El muestreo aleatorio

Un muestreo aleatorio es aquel en el que se recolectan muestras aleatorias de una población. TheeconomicTimes.com define al muestreo aleatorio y su uso.

Por ejemplo, si quieres saber qué tipo de gente vive en un vecindario, debes entrevistar a diferentes personas aleatoriamente.

Sin embargo, si sólo usaste personas que estaban en la biblioteca. No tendrás un estimador objetivo de cómo es la población general que ocupa el vecindario. Solo de las personas que van a la biblioteca.

Precisión

A medida que el tamaño de muestra aumenta, los estimados se hacen más exactos.

Por ejemplo, si seleccionamos al azar 10 hombres adultos. Podríamos encontrar que su altura promedio es de 6 pies y 3 pulgadas (1 metro, 95 centímetros). Tal vez porque hay un jugador de baloncesto que aumenta nuestro estimado.

Sin embargo, si medimos doscientos mil hombres adultos. Tendríamos un mejor indicador de la altura de los hombres. Los extremos se balancearán y el promedio real compensará cualquier desviación de la media.

Desviación estándar

La varianza es una medida de variabilidad de datos alrededor de la media. La desviación estándar es la raíz cuadrada de la varianza, define la distribución de los datos alrededor de la media.

No dejes de leer: ¿Cómo determinar el tamaño de la muestra y la desviación estándar?

Dificultad para usar grandes tamaños de muestras

Los grandes tamaños de muestra obviamente producen estimativos mejores y más exactos sobre la población. Pero hay varias desventajas que limitan su utilización en las investigaciones.

Primero, podría ser difícil encontrar un número suficiente de personas para completar el tamaño de muestra. Para lograrlo tal vez sea más costoso reclutarlos y mantenerlos durante el estudio.

El costo y esfuerzos adicionales como el tiempo empleado no siempre son necesarios, debido a que tamaño de muestra más pequeños producen resultados significativos.

×