### Marcas de Tiempo
- `[00:00]` ¿De qué sirve tener 1000 encuestas si no sabes a quién entrevistar para que te explique por qué los números salieron así? El error que mata el 90% de las tesis mixtas es tratar el muestreo como dos procesos aislados. En los próximos minutos te voy a enseñar a fusionar el rigor estadístico con la profundidad clínica usando la ingeniería de
- `[00:22]` muestras. Soy Luisa y hoy vamos a dejar de juntar datos para empezar a integrar evidencias. Primero, entenderás cómo conviven el azar y la intención. Segundo, dominaremos las cuatro estrategias de integración y cerraremos con la fórmula para decidir el tamaño de tu muestra sin morir en el intento. En la universidad te dicen, "Lo probabilístico es para generalizar y lo
- `[00:50]` no probabilístico es para explorar. Pero en un estudio mixto, estos dos mundos deben coexistir en la misma habitación. Imagina que tu estudio es un satélite y un microscopio trabajando al mismo tiempo. Lo probabilístico nos da el mapa de calor. Nos dice que en una población de 2000 docentes el 60% sufre agotamiento. Aquí el azar es ley. Si no
- `[01:17]` usas una tabla de números aleatorios o un sistema sistemático, tu estadística no vale nada. Pero lo no probabilístico es el microscopio. De ese 60% que sufre agotamiento, no quieres entrevistar a cualquiera, quieres al docente que a pesar de estar agotado, sigue innovando. Eso es muestreo por casos extremos. ¿Cómo conviven? Mediante la unidad de análisis común. La muestra intencional
- `[01:46]` debe ser casi siempre una subunidad de la muestra probabilística. Si tus entrevistados no salieron de tu base de encuestados, no tienes un estudio mixto, tienes dos estudios Frankenstein que no se pueden comparar. Aquí es donde la mayoría se pierde. No es elegir una, es saber qué estructura soporta tu pregunta de investigación. Primero, muestreo paralelo. Recolectas ambas muestras al mismo
- `[02:16]` tiempo, pero de grupos distintos que vivan el mismo fenómeno. Por ejemplo, encuestas a los estudiantes y entrevistas a los padres. El objetivo es la triangulación. Segundo, muestreo secuencial. Es el rey de las tesis. Los resultados de tu muestra cuan define quién entra en tu muestra cuál. Si la encuesta revela un grupo que odia la tecnología, tu muestra
- `[02:42]` intencional se enfoca solo en ese grupo para entender el odio. Tercero, muestreo multinivel. Aquí usamos diferentes unidades. Muestreo probabilístico para elegir 20 hospitales nivel macro y muestreo intencional para elegir dos directores por hospital, nivel micro. El cuarto, muestreo anidado. Es el más elegante. Tomas una muestra probabilística grande y de esa misma base de datos extraes una muestra
- `[03:15]` pequeña para profundidad. La clave es que el sujeto 45 de tu encuesta es el mismo sujeto uno de tu entrevista. Esto permite una trazabilidad absoluta de la evidencia. Analicemos un caso técnico real. Un equipo investiga el impacto de una nueva plataforma de ya en el rendimiento académico de 5,000 estudiantes. En la fase cuantitativa aplican un muestreo aleatorio y los resultados muestran una
- `[03:46]` mejora de solo el 2%. Fracaso aparente, ¿verdad? Aquí es donde entra el punto de quiebre. En lugar de rendirse, aplican un muestreo por casos desviados. seleccionan a los 10 estudiantes que tuvieron un éxito rotundo y a los 10 que fracasaron totalmente. Las entrevistas revelaron que el éxito no dependía de la IA, sino de la mediación del docente. El muestreo
- `[04:13]` cualitativo no fue al azar, fue extraído quirúrgicamente de los extremos de la estadística. Vamos a ver el dilema del tamaño de la muestra. ¿A cuántos tengo que encuestar y a cuántos entrevistar? Esta pregunta quita el sueño. En lo cuantitativo, el tamaño lo dicta la potencia estadística, margen de error, nivel de confianza y varianza. Si tu muestra es pequeña, tu
- `[04:40]` error es gigante. Pero en lo cualitativo, el tamaño lo dicta la saturación técnica. No entrevistas a 30 personas porque el libro lo diga. Dejas de entrevistar cuando la persona 12 te dice exactamente lo mismo que la persona 11. Ya no hay novedad. El secreto del muestreo mixto es el equilibrio de inferencia. Si tienes una muestra cuantitativa de 400 personas y
- `[05:08]` solo entrevistas a una, tu pierna cuaritativa está coja. No hay suficiente peso para contrastar. La recomendación técnica es busca una muestra cualitativa que represente la variabilidad de tu muestra cuantitativa. Si en tu encuesta hay tres perfiles de usuarios claros, tu muestra cualitativa debe tener al menos tres a cinco representantes de cada perfil. Eso es rigor, no adivinanza.
- `[05:38]` Diseñar el muestreo es como programar el ADN de tu investigación. Si el código está mal desde la muestra, los resultados serán mutantes que nadie creerá. Ahora tienes el framework. Haz que tus muestras se hablen, que se aniden y que se saturen. Pero cuidado, ¿qué pasa cuando la estadística dice sí el entrevistado dice no? Ese conflicto de interpretación se llama disonancia de
- `[06:04]` datos y es lo que veremos en el próximo video. Descarga la plantilla de diseño de muestra que te dejé abajo es la misma que uso en mis consultorías privadas. Yeah.
### Texto Completo Continuo
¿De qué sirve tener 1000 encuestas si no sabes a quién entrevistar para que te explique por qué los números salieron así? El error que mata el 90% de las tesis mixtas es tratar el muestreo como dos procesos aislados. En los próximos minutos te voy a enseñar a fusionar el rigor estadístico con la profundidad clínica usando la ingeniería de muestras. Soy Luisa y hoy vamos a dejar de juntar datos para empezar a integrar evidencias. Primero, entenderás cómo conviven el azar y la intención. Segundo, dominaremos las cuatro estrategias de integración y cerraremos con la fórmula para decidir el tamaño de tu muestra sin morir en el intento. En la universidad te dicen, "Lo probabilístico es para generalizar y lo no probabilístico es para explorar. Pero en un estudio mixto, estos dos mundos deben coexistir en la misma habitación. Imagina que tu estudio es un satélite y un microscopio trabajando al mismo tiempo. Lo probabilístico nos da el mapa de calor. Nos dice que en una población de 2000 docentes el 60% sufre agotamiento. Aquí el azar es ley. Si no usas una tabla de números aleatorios o un sistema sistemático, tu estadística no vale nada. Pero lo no probabilístico es el microscopio. De ese 60% que sufre agotamiento, no quieres entrevistar a cualquiera, quieres al docente que a pesar de estar agotado, sigue innovando. Eso es muestreo por casos extremos. ¿Cómo conviven? Mediante la unidad de análisis común. La muestra intencional debe ser casi siempre una subunidad de la muestra probabilística. Si tus entrevistados no salieron de tu base de encuestados, no tienes un estudio mixto, tienes dos estudios Frankenstein que no se pueden comparar. Aquí es donde la mayoría se pierde. No es elegir una, es saber qué estructura soporta tu pregunta de investigación. Primero, muestreo paralelo. Recolectas ambas muestras al mismo tiempo, pero de grupos distintos que vivan el mismo fenómeno. Por ejemplo, encuestas a los estudiantes y entrevistas a los padres. El objetivo es la triangulación. Segundo, muestreo secuencial. Es el rey de las tesis. Los resultados de tu muestra cuan define quién entra en tu muestra cuál. Si la encuesta revela un grupo que odia la tecnología, tu muestra intencional se enfoca solo en ese grupo para entender el odio. Tercero, muestreo multinivel. Aquí usamos diferentes unidades. Muestreo probabilístico para elegir 20 hospitales nivel macro y muestreo intencional para elegir dos directores por hospital, nivel micro. El cuarto, muestreo anidado. Es el más elegante. Tomas una muestra probabilística grande y de esa misma base de datos extraes una muestra pequeña para profundidad. La clave es que el sujeto 45 de tu encuesta es el mismo sujeto uno de tu entrevista. Esto permite una trazabilidad absoluta de la evidencia. Analicemos un caso técnico real. Un equipo investiga el impacto de una nueva plataforma de ya en el rendimiento académico de 5,000 estudiantes. En la fase cuantitativa aplican un muestreo aleatorio y los resultados muestran una mejora de solo el 2%. Fracaso aparente, ¿verdad? Aquí es donde entra el punto de quiebre. En lugar de rendirse, aplican un muestreo por casos desviados. seleccionan a los 10 estudiantes que tuvieron un éxito rotundo y a los 10 que fracasaron totalmente. Las entrevistas revelaron que el éxito no dependía de la IA, sino de la mediación del docente. El muestreo cualitativo no fue al azar, fue extraído quirúrgicamente de los extremos de la estadística. Vamos a ver el dilema del tamaño de la muestra. ¿A cuántos tengo que encuestar y a cuántos entrevistar? Esta pregunta quita el sueño. En lo cuantitativo, el tamaño lo dicta la potencia estadística, margen de error, nivel de confianza y varianza. Si tu muestra es pequeña, tu error es gigante. Pero en lo cualitativo, el tamaño lo dicta la saturación técnica. No entrevistas a 30 personas porque el libro lo diga. Dejas de entrevistar cuando la persona 12 te dice exactamente lo mismo que la persona 11. Ya no hay novedad. El secreto del muestreo mixto es el equilibrio de inferencia. Si tienes una muestra cuantitativa de 400 personas y solo entrevistas a una, tu pierna cuaritativa está coja. No hay suficiente peso para contrastar. La recomendación técnica es busca una muestra cualitativa que represente la variabilidad de tu muestra cuantitativa. Si en tu encuesta hay tres perfiles de usuarios claros, tu muestra cualitativa debe tener al menos tres a cinco representantes de cada perfil. Eso es rigor, no adivinanza. Diseñar el muestreo es como programar el ADN de tu investigación. Si el código está mal desde la muestra, los resultados serán mutantes que nadie creerá. Ahora tienes el framework. Haz que tus muestras se hablen, que se aniden y que se saturen. Pero cuidado, ¿qué pasa cuando la estadística dice sí el entrevistado dice no? Ese conflicto de interpretación se llama disonancia de datos y es lo que veremos en el próximo video. Descarga la plantilla de diseño de muestra que te dejé abajo es la misma que uso en mis consultorías privadas. Yeah.
---