Cómo determinar el tamaño de la muestra

¡Puntúa este artículo!

Tamaño de la muestra

Imagina que eres psicólogo. Quieres hacer un estudio sobre si beber café ayuda a las personas a ser más productivas en el trabajo. Eso debería ser bastante fácil de probar, ¿verdad? Todo lo que tiene que hacer es verificar qué tan productivos son los trabajadores antes de tomar café, luego darles café y probar qué tan productivos son después.

Incluso un estudio aparentemente simple como este tiene muchos componentes. Un tema importante que debe abordarse cerca del comienzo de la planificación de un estudio es el tamaño de la muestra. La muestra de un estudio son los sujetos incluidos en el estudio.

Por ejemplo, ¿a quién deberías darle el café? ‘Cada trabajador en Estados Unidos no es exactamente una respuesta práctica. Podrías hacer el estudio sobre los trabajadores de una determinada empresa o sobre los trabajadores de varias empresas. Puede incluir solo a los trabajadores de un determinado departamento o aquellos que tienen un trabajo específico.

Como puede ver, hay muchas decisiones al elegir una muestra. Una de las decisiones más importantes es cuántos sujetos incluir en la muestra. Echemos un vistazo más de cerca a cómo determinar el mejor tamaño de muestra para un estudio.

Tamaño de muestra ideal

Hay muchas cosas que pueden determinar el tamaño de su muestra. Comencemos por averiguar el tamaño de muestra ideal, el que tendrías si vivieras en un mundo perfecto. Luego, veremos cómo los problemas del mundo real pueden desempeñar un papel en la determinación de cuál es realmente el tamaño de la muestra.

En general, es mejor un tamaño de muestra mayor. ¿Por qué es esto? Bueno, toda la investigación está interesada en hacer inferencias sobre la población en general. Cuanto mayor sea el tamaño de la muestra, más cerca estará de tener a todos los miembros de la población en su estudio.

Por ejemplo, ¿qué pasaría si decidieras hacer tu estudio de café con solo tres personas? Quizás uno de ellos esté tomando un medicamento que interactúa con la cafeína. Como resultado, cuando esta persona bebe café, realmente no se vuelve más enérgica ni productiva.

En su estudio, un tercio de la muestra no tiene reacción al café debido a ese medicamento. Pero en la población real, quizás solo el dos o el tres por ciento de las personas toman este medicamento. Su estudio hace que parezca que mucha gente no reacciona al café debido a la droga. Tus resultados no son precisos.

La inexactitud debida a una diferencia en la muestra y la población se denomina error en la investigación. Un tamaño de muestra más grande reduce el error. Si, por ejemplo, aumentó el tamaño de su muestra de tres personas a trescientas, es menos probable que un tercio de su muestra esté tomando el medicamento que los hace menos sensibles a la cafeína.

Además de la regla general de que “cuanto más grande, mejor” en lo que respecta al tamaño de la muestra, la forma en que elija su muestra también puede influir en el tamaño de su muestra ideal. Elegir sujetos para su muestra de manera aleatoria (conocido como muestreo probabilístico) significa que necesita menos sujetos que elegirlos de manera no aleatoria (conocido como muestreo no probabilístico).

Esto se debe a que el muestreo no probabilístico conduce a más errores que el muestreo probabilístico. Piénselo así: si elige al azar su muestra, las posibilidades de que elija a alguien que no reaccione en absoluto al café o que sea muy sensible al café son cercanas a las de la población en general. En otras palabras, dado que cada persona de la población tiene la misma probabilidad de ser elegida en una muestra probabilística, usted tiene más posibilidades de elegir una muestra que represente a la población.

Pero si escoge y elige su muestra de una manera no aleatoria, podría elegir personas en cualquiera de los extremos debido a algún otro factor y, por lo tanto, su probabilidad de error es mayor. Por ejemplo, ¿qué pasa si decides ir a una oficina a las 7 am y usar a quien esté allí a esa hora? Las personas que están en la oficina tan temprano pueden ser personas que toman café con regularidad y, por lo tanto, tienen una alta tolerancia al mismo. Como resultado, su muestra es diferente de la población en general y tiene un error mayor. Para compensar el error que proviene del muestreo no probabilístico, se necesita un tamaño de muestra mayor.

Problemas del mundo real

Entonces, sabemos que, en general, un tamaño de muestra más grande es mejor que uno más pequeño. Y también sabemos que las muestras elegidas al azar necesitan menos sujetos que los elegidos de forma no aleatoria. Entonces, ¿por qué no todos tienen un tamaño de muestra enorme y reducen el error tanto como sea posible?

Bueno, es más fácil decirlo que hacerlo. El mundo real no es ideal y hay algunos problemas que se interponen en la elección de una muestra grande. ¿Recuerda antes cuando dijimos que no podíamos utilizar a todos los trabajadores de Estados Unidos en nuestro estudio? Si el tiempo, el costo y las consideraciones prácticas no fueran un problema, podríamos hacer nuestro estudio sobre toda la población y todo estaría bien.

Desafortunadamente, no es así como funcionan las cosas. Cada tema requiere tiempo para estudiar, por lo que un tamaño de muestra más grande significa que se dedicará más tiempo a recopilar y analizar datos. A esto se une una restricción presupuestaria muy real (y muy común). Cuanto más tiempo se dedique a recopilar y analizar datos, más caro será un estudio. Después de todo, este es su trabajo y usted (y cualquier persona que contrate) debe ser compensado.

No solo eso, sino que hay consideraciones prácticas que pueden entrar en juego. Por ejemplo, algunas personas son alérgicas a la cafeína y, por lo tanto, no podrán participar en su estudio. Otros pueden negarse a participar porque no quieren. Otros pueden estar de vacaciones o enfermos el día en que usted estudia. Todos estos (y muchos otros) son problemas prácticos con los que los psicólogos tienen que lidiar. Al final, los investigadores deben equilibrar el tamaño de muestra ideal, que es muy grande, con problemas del mundo real, que exigen una muestra más pequeña.

Resumen de la lección

La muestra de un estudio es el grupo de sujetos del estudio. Al elegir una muestra, más grande suele ser mejor porque reduce el error o la diferencia entre la muestra y la población. Debido a que la elección de una muestra no aleatoria da como resultado más error, las muestras elegidas al azar generalmente requieren menos participantes. Finalmente, hay problemas del mundo real que influyen en el tamaño real de una muestra, incluido el tiempo, el costo y las consideraciones prácticas.

Los resultados del aprendizaje

Después de esta lección, tendrá la capacidad de:

  • Definir muestra y error
  • Describe la importancia de elegir una muestra aleatoria.
  • Explicar los problemas del mundo real que surgen al elegir un tamaño de muestra.