La investigación es una de las cosas más apasionantes que existen en la sociedad humana. El conocimiento es infinito y, como tal, cuando se descubre algo surgen cientos de preguntas en base al concepto averiguado. Los que hemos hecho investigación nos basamos en el método científico para obtener información en lo referente a estudios, una metodología basada en dos grandes dogmas: la reproductibilidad y la refutabilidad.
El primero de los parámetros es sencillo: cualquier persona, con los medios adecuados, debe ser capaz de reproducir el estudio planteado en otro lugar del mundo. La segunda, aunque fácil de entender, supone un quebradero de cabeza continuo: toda hipótesis y postulación debe estar sujeta al cambio, falseado y refutamiento natural. Casi nada en esta vida es totalmente cierto.
En estos dos grandes dogmas descansa el esqueleto de la investigación: prueba, error y cambio a lo largo del tiempo. Un trabajo científico es inamovible e invariable, pero siempre se puede discutir con el paso del tiempo. Hoy te contamos los 7 tipos de muestreo en una investigación, para que te acerques más a este apasionante mundo de estadística, descubrimiento y conocimiento ilimitado.
- Te recomendamos leer: "Los 15 tipos de funciones matemáticas (y sus características)"
¿Por qué se hacen muestreos en investigación?
La respuesta es sencilla: en una investigación ideal, siempre se analizaría una población o sector entero. El muestreo aleatorio se realiza para observar patrones extrapolables a un núcleo o población cuando es imposible factorizar a todos y cada uno de los individuos contenidos en ella.
Pongamos que queremos hacer un estudio sobre hormigas. Por ejemplo, queremos probar que el tamaño de la mandíbula en las soldado de una especie implica una mayor efectividad a la hora de contrarrestar un ataque enemigo. Lo suyo sería coger a cada una de las soldado de 200 hormigueros distintos de la zona, medir cada aparato bucal y someter a cada ejemplar a distintas pruebas numéricamente cuantificables para ver cuáles son más fuertes, ¿verdad?
Esto es prácticamente imposible y, por ello, se eligen muestras aleatorias. De todas formas, esto no significa que con coger una hormiga de cada hormiguero valga: El tamaño de la muestra está completamente ligado a la potencia estadística, la probabilidad de que una prueba identifique correctamente un efecto genuino, real. Así pues, si la muestra es de N=10, la potencia del planteamiento será prácticamente nula, mientras que si N=1.000, la cosa cambia bastante (dependiendo siempre de cómo se haya obtenido la muestra, claro).
¿Cómo se clasifican los muestreos?
Así pues, cuando no es posible hacer un censo poblacional total, acudimos a los muestreos. Existen diversos tipos, englobados dentro de dos grandes categorías: muestreos probabilísticos y no probabilísticos. Te contamos sus particularidades a continuación.
Muestreos probabilísticos
En este tipo de muestreo todos los individuos de una población tienen las mismas probabilidades de formar parte de la muestra. No existen sesgos, no hay preferencias: es como si el investigador cerrara los ojos antes de extraer a cada ejemplar. Es el tipo de muestreo que más fiabilidad reporta. Dentro de él, distinguimos varias modalidades.
1. Muestreo aleatorio simple
Cada elemento de la población a analizar tiene la misma probabilidad de ser seleccionado. La palabra clave en esta metodología siempre es el azar. Eso sí, esto no significa que todo valga: no debes olvidar que el tamaño muestral tiene que ser elevado, por azaroso que sea el proceso, para que la potencia estadística sea máxima y el margen de error mínimo.
2. Muestreo aleatorio sistemático
En este caso, se hace una selección aleatoria del primer elemento de la muestra, y luego se seleccionan los posteriores mediante intervalos hasta llegar al número muestral (N) total deseado. Esto es de gran utilidad cuando el muestreo se va a extender en tiempo: por ejemplo, si queremos cuantificar la variabilidad en poblaciones de insectos a lo largo del año, deben elegirse intervalos concretos para el muestreo y siempre extraer el mismo número de individuos en cada ocasión.
3. Muestreo aleatorio estratificado
La premisa es muy simple: se eligen muestras al azar, pero en base a una estratificación realizada previamente. Por ejemplo, si se realiza un estudio poblacional en una especie de reptil, a lo mejor interesa dividir la población en machos y hembras para obtener variabilidad homogénea dentro de cada género.
Esto no es solo útil en el mundo de la investigación biológica, pues también se hace mucho en los estudios de mercado. Nada tiene que ver la capacidad de consumo, opinión y predilección de una persona de 13 años y de otra de 80. Si se estratifica la población según el rango de edad, se obtienen datos mucho más relevantes.
4. Muestreo aleatorio por conglomerados
No queremos entrar en términos demasiado complejos, así que nos limitaremos a decir lo siguiente: hasta ahora, cada unidad muestral (N) era un individuo de la población, sea de un estrato o con respecto al total. En este caso, la unidad muestral es un grupo de elementos homogéneos en una población estadística, por ejemplo, una unidad hospitalaria o un departamento universitario. No estamos hablando de una persona o ejemplar, sino de un concepto unitario que se utiliza por razones estadísticas.
Muestreos no probabilísticos
La diferencia con el resto de conceptos es clara: en este caso, no todos los individuos de la población tienen las mismas probabilidades de ser seleccionados. Te presentamos sus variantes de forma somera en las siguientes líneas.
1. Muestreo por cuotas
En el muestreo por cuotas, los investigadores pueden elegir una serie de individuos acorde a sus características, pues son estos los que interesa explorar por cualquier motivo. De todas formas, es necesario recalcar algo de gran interés: el subconjunto final se decidirá solo de acuerdo con el conocimiento de la población por parte del entrevistador o investigador.
Eso significa que, en todos los casos, la persona que realiza la investigación debe tener un conocimiento férreo sobre los estratos poblacionales y saber justificar por qué ha elegido X atributo para recoger la muestra. Si no se tiene cuidado, se puede incurrir fácilmente en subjetividad que sesga los resultados en base a preferencias personales, y no realidades.
2. Muestreo intencional
Existe un esfuerzo deliberado para elegir las muestras en base al criterio del investigador. Por ejemplo, se puede salir a la calle a preguntar la opinión política de la gente, pero solo a las personas que parezcan mostrar una afiliación concreta por su aspecto externo. Se elige antes de preguntar a quién se le va a hacer la entrevista pues, si no fuese así, estaríamos ante un tipo de muestreo aleatorio. Es muy similar al muestreo por cuotas, y algunas fuentes utilizan a ambos de forma intercambiable.
3. Bola de nieve
Un análogo a este término sería algo así como “tirar del hilo”. Es aplicable sobre todo a personas, pues se elige una muestra, la cual conduce a otra, y así sucesivamente. Este tipo de muestreo es muy común en barrios marginales, sectas y otros núcleos humanos de difícil acceso.
Los errores más comunes en el muestreo
¿Fascinante, verdad? Solamente en los números y tendencias estadísticas se encuentran verdades objetivas pues, como se suele decir, los números son los únicos que no mienten. A pesar de ello, por muy razonados que puedan ser los resultados, es posible que el planteamiento de la investigación falle desde el inicio, lo que truncará lo postulado.
Volvamos a nuestro ejemplo inicial. Se cogen 1.000 hormigas soldado de 200 hormigueros distintos de la misma especie para ver si un mayor tamaño de las mandíbulas se traduce en una mayor eficacia de defensa. Si, por cualquier caso, el investigador se equivoca y coge 300 individuos de una especie diferente para la muestra, cuyas mandíbulas son más grandes pero son animales menos agresivos, los resultados mostrarán tendencias equivocadas.
Contento, el investigador dirá orgulloso: he demostrado que en esta especie la agresividad no está correlacionada con el tamaño de las mandíbulas. Esto es faltar a la verdad pues, sin darse cuenta, ha introducido en la misma muestra a dos especies con características y comportamientos totalmente diferentes.
En base a esta premisa y otras muchas más, se pueden distinguir varios tipos de error estadístico:
- Se pueden llegar a enunciar conclusiones generales en base a observaciones demasiado pequeñas. Esto es, una falta de potencia estadística.
- Es posible hacer asunciones generales para una población demasiado grande en comparación a la muestra. Esto se conoce como error de influencia.
- La hipótesis en sí misma puede estar mal planteada, lo que invalida todos los procesos posteriores.
Resumen
En el mundo de la ciencia, los investigadores andan con pies de plomo. Nada es verdad: todo es posible, probable o sospechable. Cualquier conclusión está sujeta a ser refutada, y siempre tenemos que dar por hecho que nos dejamos cosas muy importantes en el camino a la hora de detectar cualquier patrón estadístico.
El tamaño de las mandíbulas: ¿son las hormigas más agresivas por su tamaño mandibular? ¿Existen concentraciones hormonales que propician esto más allá de la anatomía física? ¿Y si hay adaptaciones distintas según cada población, aún en la misma especie? Cada resultado arroja aún más preguntas, y eso es lo más bonito de la ciencia: cuanto más se sabe, más cuenta nos damos de lo poco que conocemos.
