Metodología de la investigación: ¿Población ó muestra? Muestreos probabilísticos y no probabilísticos

Una vez que definí los objetivos, tengo que definir a quiénes se les va a hacer la investigación. ¿Quiénes son las unidades de análisis? ¿A quién voy a investigar? Puedo hacerlo en 2 clasificaciones de personas, por ejemplo: POBLACION o MUESTRA.

Población.

Es cuando yo estoy investigando a todas las posibles personas de las cuales quiero obtener información. Es importante definir bien la población, porque sino los resultados dan cualquier cosa. El grupo o conjunto de unidades a las que yo refiero mis observaciones numéricas masivas. La definición de la población tiene que ser exhaustiva (tiene que cubrir a todos sus miembros) y excluyente (dejar afuera a todos los que no pertenecen).

Población ₌ N. 

A la población generalmente se la designa con N y está compuesta por unidades.

La población puede ser finita (la puedo acotar, cuantificar) o infinita (no la puedo cuantificar).

En la población, trabajamos con los siguientes parámetros (características de la población): Las más comunes son µ (media aritmética, el promedio), P (proporción, que se trabaja mucho en psicología) y δ (Desvío Standard). Hay muchas otras, como el modo, pero las que más se usan son estas.

Muestra:

Si por cuestiones de tiempo, costos o posibilidades yo no puedo estudiar a toda la población, voy a tomar una parte de esa población para estudiarla. Eso es la muestra. Está formada por elementos de la población y se llaman unidades muestrales.

En la muestra, trabajo con los siguientes estadísticos: x (promedio), p (proporción) y S (desvío estándar).

A partir de los resultados muestrales, voy a decir algo de la población: Ahí entramos en la inferencia estadística.

Error muestral:

Por el hecho de no investigar a todos los elementos de la población, voy a tener que los resultados de la muestra son distintos a los de la población. Esa diferencia es el error muestral, la diferencia entre el estadístico y el parámetro. En realidad está mal dicho “error”, como si fuera una equivocación, es error como diferencia. El error disminuye a medida que aumenta la muestra.

Existen 2 tipos de muestreo.

Probabilístico.	No probabilístico.
Todas las unidades poblacionales tienen la misma probabilidad de participar en la muestra. Este es el único que me permite hacer el salto de valor muestral a decir algo del valor poblacional. Nos permite cuantificar el tamaño de la muestra.	Es un muestreo donde voy a seleccionar a las unidades al azar. Las personas de la población no tienen la misma posibilidad de participar en la muestra.

Muestreos probabilísticos: Hay 4. Siempre, en estos 4,  necesito el listado de la población.

Simple al azar	Pongo todos los nombres en una bolsa y tomo algunos, por ejemplo. O con un bolillero con números asignados.
Sistemático	Tengo un listado de la población y voy a elegir un elemento por etapas sistemáticas. Ej: elijo 1 cada 4 del listado. Si tengo una población de 3 mil enfermos y quiero una muestra de 300, voy a elegir a un enfermo de cada 10. El problema es que me tengo que asegurar de que en el listado no haya ningún tipo de perioricidad. Si eso pasa, lo soluciono mezclando todo.
Estratificado	Este muestreo me garantiza que mi muestra sea representativa. Proporcional: Hago muestras proporcionales a las cantidades que haya en las poblaciones. No proporcional: Se hace cuando se presupone que la población está dividida en estratos similares y excluyentes. Puedo presuponer que en 3 neuropsiquiátricos la composición de enfermos es proporcional.
Por conglomerados	Se parte de la base que la población está dividida en sectores o conglomerados mutuamente excluyentes y colectivamente exhaustivos. Ej: todos los neuropsiquiátricos del país, supongamos que sean 40. Yo no puedo ir a todos, entonces aplico el principio de muestreo simple al azar a esos conglomerados. Selecciono algunos neuropsiquiátricos al azar.

Muestreos no probabilísticos: Los elementos no tienen la misma capacidad de participar en la muestra.

Por conveniencia.	Elijo por conveniencia.
Por cuotas.	Trato de darle algún sesgo de proporcionalidad.
Por juicio.	A juicio del investigador.
Por bola de nieve.	Por referencias.