«Cualquier rama de la investigación utiliza el muestreo estadístico»

Barajando como ejemplo la intención de evaluar una característica del sabor de las galletas elaboradas por una empresa a lo largo de toda una jornada laboral, sería impensable abrir todas las cajas que hemos fabricado y catar su contenido; por lo tanto, lo que se haría es escoger un determinado número de unidades y extrapolar los resultados obtenidos a toda la fabricación.

En este caso, se llamaría 'población' a todas las cajas de galletas que se hayan fabricado ese día concreto, 'muestra', a aquellas cajas que hemos decidido abrir y 'muestreo', al proceso de selección de las unidades que se van a estudiar.

-¿Existen varios tipos de muestreo?

-Sí, fundamentalmente hay dos grandes grupos, los muestreos probabilísticos y los no probabilísticos. La diferencia entre ellos estriba en que en el primero, todas las unidades muestrales tienen una probabilidad mayor que cero de ser escogidas y conocemos esa probabilidad para cada elemento, mientras que en el segundo, tenemos que recurrir a criterios de selección. Siguiendo con el ejemplo, si escogemos al azar las cajas a abrir, hablaríamos de un muestreo probabilístico, mientras que si decidimos abrir sólo las cajas que se hayan elaborado a una hora concreta, tendríamos un muestreo no probabilístico.

-¿Cómo debe ser un muestreo 'ideal'?

-Es necesario que la muestra tenga un tamaño suficiente como para garantizar el análisis estadístico. En el campo del control de calidad, se utilizan tablas basadas en las Military Standard para definir qué tamaño muestral permite determinar si se acepta o se rechaza un lote. Por otra parte, se deben evitar sesgos, es decir, tenemos que evitar que el propio método de recogida de datos filtre la muestra a favor de un determinado tipo de resultados. Para anticiparnos a los posibles sesgos, tendremos que realizar un buen diseño estadístico de experimentos.

-¿Por qué es útil?

-Sabemos que, en muchísimas ocasiones, no podemos estudiar todos y cada uno de los elementos de una población, y que tenemos que recurrir al estudio de un determinado número de unidades para poder extraer conclusiones (a este proceso de extraer conclusiones de un todo a partir de los datos de una parte del propio todo le llamamos inferencia). El principal objetivo del muestreo es lograr inferencias con un nivel de confianza apropiado. Otro de los objetivos es minimizar el gasto de tiempo y dinero a dedicar a un estudio. Por lo tanto, muestrear no sólo es útil, es absolutamente necesario en el caso de que trabajemos con poblaciones infinitas (o excesivamente grandes), cuando el coste de los análisis y tratamiento de los datos sea excesivo y cuando haya que destruir las unidades en estudio. Si nos fijamos, las tres premisas se dan en el ejemplo del estudio de las galletas que hemos planteado.

-¿Qué datos aporta?

-Un muestreo adecuado aporta validez y confiabilidad a nuestros resultados, mientras que un muestreo insuficiente o sesgado puede llevarnos a extraer conclusiones erróneas.

-¿En qué disciplinas se utiliza?

-En cualquier disciplina en la que sea necesario realizar inferencia estadística. Algunos ejemplos son la psicología, la medicina, el marketing, la física, la biología, las ciencias económicas, las ciencias sociales, el control de calidad, la química, las ciencias medioambientales y un larguísimo etcétera que incluye cualquier rama de la investigación.