Introducción al Pensamiento Científico · Unidad 4 — El proceso de investigación social
Población, muestra y técnicas de recolección
Lo que decide si un resultado se puede extender a toda la población no es el tamaño de la muestra sino cómo se eligió. Una muestra chica y bien elegida vale más que una enorme y sesgada.
La explicación
Población, unidad de análisis y muestra
Población (o universo): el conjunto completo de unidades sobre el que se quiere concluir.
Muestra: el subconjunto efectivamente relevado.
Muestreo probabilístico
Todas las unidades tienen una probabilidad conocida y distinta de cero de ser elegidas. Es lo que permite calcular el error y generalizar a la población.
- Aleatorio simple: sorteo entre todas las unidades.
- Sistemático: uno cada k a partir de un arranque al azar.
- Estratificado: se divide la población en estratos (por sexo, edad, región) y se sortea dentro de cada uno. Sirve para asegurar representación de grupos chicos.
- Por conglomerados: se sortean grupos completos (escuelas, manzanas) y se releva todo el grupo. Más barato, pero con más error.
Muestreo no probabilístico
La selección depende del criterio del investigador. No permite generalizar estadísticamente, y eso no lo vuelve inútil: es apropiado en estudios exploratorios y cualitativos, donde el objetivo no es estimar una proporción sino comprender un fenómeno.
- Por conveniencia: los que estaban a mano. El más frecuente y el más riesgoso.
- Por cuotas: se fijan cantidades por categoría, pero se elige a criterio dentro de cada una.
- Intencional o teórico: casos elegidos por su relevancia para la pregunta.
- Bola de nieve: cada entrevistado sugiere al siguiente. Útil para poblaciones difíciles de alcanzar.
El tamaño no es lo que decide
Que el método de cuotas no sea probabilístico no es un tecnicismo: doce años después, en 1948, el mismo Gallup volvió a usarlo y falló feo — dio por ganador a Dewey y ganó Truman. Ahí sí se pasó al muestreo probabilístico, que es el único que permite calcular un margen de error.
Técnicas cuantitativas y cualitativas
Cualitativas: entrevista en profundidad, grupo focal, observación participante, análisis de documentos. Buscan comprender sentidos y procesos. Fuerte en profundidad, débil en generalización.
No compiten: responden preguntas distintas. «¿Cuántos?» es cuantitativa; «¿por qué y cómo lo viven?» es cualitativa. Muchos diseños combinan las dos, y el programa lo llama pluralismo metodológico.
Fuentes
Primarias: datos producidos por la propia investigación. Secundarias: datos ya existentes (censos, EPH, registros administrativos). Las secundarias son más baratas y a veces imposibles de igualar, pero fueron construidas con categorías de otro: hay que revisar cómo se definió cada variable antes de usarlas.
Un estudio quiere estimar la proporción de estudiantes del CBC que trabajan. Encuesta a 800 estudiantes a la salida de una sede, un martes de 18 a 21. Evaluá el diseño.
Cómo se corregiría: obtener el listado de estudiantes inscriptos y sortear al azar; o estratificar por sede y turno con cantidades proporcionales a la matrícula real. Con un diseño así, 400 casos bien elegidos valdrían más que estos 800.
Y si no se puede hacer otra cosa: el estudio sigue teniendo valor, pero la conclusión debe acotarse — «entre los estudiantes del turno noche de la sede X relevados el día Y» — y no presentarse como una estimación del CBC.
Un medio publica una encuesta web con 50.000 respuestas voluntarias y afirma que es más confiable que una encuesta de 1.000 casos con muestreo probabilístico, "porque tiene cincuenta veces más gente". Evaluar la afirmación.
La afirmación es falsa, y la razón no es que 50.000 sea poco. El tamaño de la muestra y su representatividad son dos problemas distintos, y solo uno de los dos se arregla con más casos.
Lo que el tamaño sí resuelve: el error aleatorio. Para una proporción cercana al 50 %, el margen de error con 95 % de confianza es:
n = 50.000 → ±0,44 %
El margen efectivamente baja, unas siete veces. Pero ojo con cómo baja: va con la raíz cuadrada de n, así que para partir el margen a la mitad hay que cuadruplicar la muestra. Pasar de 1.000 a 50.000 —cincuenta veces más gente— mejora el margen solo siete veces.
Lo que el tamaño NO resuelve: el sesgo de selección. Y acá está todo el ejercicio.
Quién contesta una encuesta web voluntaria:
· quien tiene conexión y tiempo
· sobre todo, quien tiene una opinión intensa sobre el tema
· y puede contestar varias veces
Ese grupo puede estar sistemáticamente corrido de la población, y agregar más respuestas del mismo grupo no lo corrige: lo confirma. Si la muestra está desviada un 10 %, con 50.000 casos sigue desviada un 10 %, solo que ahora con un margen de error chiquito alrededor del número equivocado.
sesgo → NO baja con n
El caso histórico que cierra la discusión. En 1936 una revista estadounidense encuestó a más de dos millones de personas para predecir la elección presidencial. Con esa muestra, el margen de error aleatorio es de menos de 0,07 %. Predijo que ganaba el candidato republicano; ganó el demócrata, y por mucho.
Ese mismo año, una encuesta con unas cincuenta mil respuestas, pero construida para parecerse a la composición del electorado, acertó. Dos millones contra cincuenta mil: ganó el método, no el tamaño.
Qué había pasado. Las direcciones para la encuesta grande salieron de registros de propietarios de teléfono y automóvil, que en plena depresión económica eran los sectores de mayores ingresos. Y además contestaba solo quien quería. Dos sesgos superpuestos, y ninguna cantidad de respuestas los compensa.
Qué hace bien el muestreo probabilístico. No es que "elija bien" a la gente: es que cada persona de la población tiene una probabilidad conocida y distinta de cero de ser elegida. Eso es lo que permite calcular el error y extrapolar.
no probabilístico: el margen de error no significa nada
Ese es el punto más fino del ejercicio: publicar un margen de error junto a una encuesta autoseleccionada es un error conceptual. La fórmula supone muestreo aleatorio; sin él, el número que devuelve no mide nada.
La respuesta, en una línea: la encuesta de 1.000 casos con muestreo probabilístico es más confiable, porque sus 1.000 casos representan a la población y los 50.000 representan solo a quienes quisieron contestar.
Para qué sirve igual una encuesta web así. Para explorar, para detectar temas, para recoger comentarios. Lo que no se puede hacer es extrapolar sus porcentajes a la población — y eso es justamente lo que el medio está haciendo.
Dónde se pierde el punto: contestar que 50.000 "es una muestra chica" o que "faltó calcular el margen". El tamaño está perfecto y el margen se puede calcular: el problema es anterior, está en cómo se eligieron los casos.
Dónde se cae la mayoría
- Creer que una muestra grande garantiza representatividad.
- Generalizar a toda la población desde un muestreo no probabilístico.
- Tratar las técnicas cualitativas como «menos rigurosas». Son rigurosas con otros criterios y responden otras preguntas.
- Usar datos secundarios sin revisar cómo definieron sus variables.
Hasta acá la explicación. La práctica es la otra mitad: 7 ejercicios de este tema, en cuatro niveles, que no te dicen sólo si está bien al final sino que te corrigen en cada paso y te explican por qué. Además trae una animación que muestra la idea en movimiento.
Practicar Población, muestra y técnicas de recolección →Dónde entra este tema en el parcial
- Segundo parcial — Cuál de los dos permite generalizar10 puntos · resuelto paso a paso
Los otros temas de la unidad 4
El proceso de investigación social