¿Qué es una muestra?

¿Qué es una muestra?

Una muestra, en el contexto de la estadística y la investigación, se refiere a un subconjunto representativo de una población más grande que se estudia con el propósito de obtener información sobre esa población. Otra acepción de muestra se refiere a una porción o fragmento de un fenómeno, producto o actividad que se considera representativa del conjunto total. Este fragmento se selecciona con un propósito específico: proporcionar información que ejemplifique, demuestre o sirva como referencia de algún tipo de evento, calidad o estandarización.La muestra puede tomar muchas formas y tamaños, pero su objetivo principal es ofrecer una visión representativa de un todo más grande.

---

Muestra en Estadística

La muestra en estadística es un concepto fundamental que desempeña un papel esencial en la obtención de información sobre poblaciones más grandes sin la necesidad de estudiar o analizar a todos los miembros de dichas poblaciones. En este contexto, una muestra se define como un subconjunto cuidadosamente seleccionado de elementos de una población, que se elige mediante métodos específicos y con el objetivo de proporcionar una representación adecuada de la totalidad de la población.

La Importancia de la Muestra en Estadística

La necesidad de utilizar muestras en estadística surge de diversas limitaciones logísticas y financieras que hacen que el estudio completo de una población sea poco práctico o costoso. En lugar de recopilar datos de todos los individuos o elementos de interés, los estadísticos seleccionan una muestra que sea lo suficientemente representativa y que permita obtener conclusiones válidas sobre la población en su conjunto.

La elección de una muestra adecuada es crítica, ya que una muestra que no sea representativa o que se seleccione de manera inapropiada puede llevar a conclusiones erróneas o sesgadas. Por lo tanto, los métodos de muestreo se basan en principios estadísticos para garantizar que la muestra sea un reflejo preciso de la población.

Técnicas de Muestreo en Estadística

Existen varias técnicas de muestreo en estadística, y la elección de la técnica adecuada depende de la naturaleza de la población y los objetivos de la investigación. Algunas de las técnicas más comunes incluyen:

Muestreo Aleatorio Simple

En este enfoque, cada elemento de la población tiene una probabilidad igual de ser seleccionado en la muestra. Este método es especialmente útil cuando la población es homogénea.

Muestreo Estratificado

En esta técnica, la población se divide en estratos o subgrupos, y luego se selecciona una muestra aleatoria de cada estrato. Esto garantiza una representación adecuada de cada subgrupo de la población.

Muestreo por Conglomerados

En lugar de seleccionar individuos individuales, se seleccionan grupos o conglomerados de elementos de la población. Luego, se toma una muestra aleatoria de estos conglomerados.

Muestreo Sistemático

Aquí, se selecciona un elemento aleatorio inicial, y luego se eligen elementos subsiguientes a intervalos regulares para formar la muestra.

Precision y Fiabilidad

La precisión y la fiabilidad de los resultados basados en una muestra dependen en gran medida del tamaño de la muestra. En general, cuanto mayor sea el tamaño de la muestra, menor será el margen de error y mayor será la confiabilidad de las conclusiones que se puedan extraer. Sin embargo, un tamaño de muestra excesivamente grande puede resultar en un costo y tiempo innecesarios.

Entonces, la muestra en estadística es una porción cuidadosamente seleccionada de una población que se utiliza para obtener información sobre esa población en su conjunto. Esta técnica es esencial para la investigación y la toma de decisiones basadas en datos, y su correcta aplicación garantiza que las conclusiones sean representativas y fiables. Las técnicas de muestreo y el tamaño de la muestra son aspectos clave en la obtención de resultados estadísticos precisos y significativos, estos puntos los veremos más adelante con mayor detalle.

Representatividad en una Muestra

Uno de los principios fundamentales en la selección y utilización de muestras en investigación y estadísticas es la representatividad. La representatividad se refiere a la capacidad de una muestra para reflejar adecuadamente las características clave de la población de interés. En otras palabras, una muestra debe ser una imagen fiel y precisa de la población a la que se pretende estudiar, considerando variables como edad, género, ubicación geográfica y otras que sean relevantes para los objetivos de la investigación.

La importancia de la representatividad radica en la validez y confiabilidad de las conclusiones que se derivan de la muestra. Si una muestra no es representativa, existe el riesgo de que los resultados obtenidos no sean aplicables o extrapolables a la población en su conjunto. Por ejemplo, si se realiza una encuesta sobre la satisfacción de los clientes de una empresa y la muestra está sesgada hacia un grupo demográfico particular, como personas jóvenes, los resultados pueden no reflejar la opinión de la población total de clientes, que puede incluir una amplia gama de edades.

La representatividad implica una cuidadosa planificación en la selección de la muestra y la consideración de las variables que pueden influir en los resultados. Esto se logra mediante técnicas de muestreo que buscan garantizar que todos los grupos relevantes de la población estén adecuadamente representados en la muestra. Por ejemplo, en una encuesta sobre preferencias de alimentos, es esencial que la muestra incluya una proporción adecuada de personas de diferentes edades, géneros y ubicaciones geográficas.

La representatividad en una muestra es un requisito fundamental para obtener resultados válidos y confiables en la investigación y la estadística. Asegura que las conclusiones basadas en la muestra sean aplicables a la población de interés y que los datos recopilados sean una representación precisa de las características clave de esa población. La selección cuidadosa de la muestra y la consideración de las variables relevantes son pasos esenciales para lograr la representatividad y, por lo tanto, para tomar decisiones informadas basadas en datos sólidos y certeros.

Tamaño de la Muestra en Estadística

El tamaño de la muestra es un componente crítico en cualquier estudio de investigación y estadística. Se refiere al número de elementos que se eligen de una población para formar parte de la muestra. La selección de un tamaño de muestra adecuado es esencial para obtener resultados confiables y precisos que puedan generalizarse a la población de interés. La determinación de este tamaño implica un equilibrio delicado, ya que debe ser lo suficientemente grande como para capturar la variabilidad de la población, pero no tan grande como para resultar impráctico o costoso de recopilar.

Un tamaño de muestra insuficiente puede llevar a conclusiones inexactas y poco confiables. Si la muestra es demasiado pequeña en relación con la población total, es probable que no represente adecuadamente la diversidad de la población, lo que podría resultar en resultados sesgados o poco precisos. Por otro lado, un tamaño de muestra excesivamente grande puede llevar a un gasto innecesario de recursos, tiempo y esfuerzo, sin proporcionar beneficios significativos en términos de precisión de los resultados.

La determinación del tamaño de la muestra se basa en consideraciones estadísticas y objetivos de investigación específicos. Para calcular un tamaño de muestra apropiado, es necesario tener en cuenta factores como el nivel de confianza deseado, el margen de error admisible y la variabilidad estimada en la población. Además, la naturaleza de la población y el tipo de análisis estadístico que se llevará a cabo también influyen en la decisión del tamaño de la muestra.

Aleatoriedad en la Selección de Muestras

La aleatoriedad desempeña un papel fundamental en la selección de muestras en investigación y estadística. Se refiere al proceso de selección de elementos de una población de manera aleatoria o probabilística. En otras palabras, cada elemento de la población debe tener una oportunidad conocida y no nula de ser seleccionado en la muestra. Este enfoque aleatorio es esencial para garantizar que la muestra sea verdaderamente representativa de la población de interés.

La aleatoriedad en la selección de muestras tiene varios beneficios significativos. En primer lugar, ayuda a evitar sesgos en la recopilación de datos. Cuando se seleccionan elementos de manera aleatoria, se minimiza la influencia de factores subjetivos o prejuicios en la elección de la muestra. Esto contribuye a que los resultados obtenidos sean imparciales y reflejen con precisión la variabilidad presente en la población.

Además, la aleatoriedad es un componente esencial para garantizar la validez de las inferencias realizadas a partir de la muestra. Al seleccionar elementos de manera aleatoria, se establece una base sólida para la extrapolación de los resultados de la muestra a la población en su conjunto. Los métodos estadísticos utilizados para estimar parámetros y realizar inferencias se basan en la aleatoriedad como un principio fundamental.

La implementación de la aleatoriedad puede llevarse a cabo mediante diversas técnicas, como el muestreo aleatorio simple, donde cada elemento tiene la misma probabilidad de ser seleccionado, o técnicas más complejas que involucran estratificación, conglomerados o muestreo sistemático. Independientemente del método utilizado, el objetivo es garantizar que la aleatoriedad esté presente en el proceso de selección de la muestra.

Error Muestral en Estadística

El error muestral es un concepto crítico en el ámbito de la estadística y la investigación. Se refiere a la discrepancia o diferencia que existe entre las características estadísticas calculadas a partir de una muestra y las características estadísticas reales de toda la población. Cuanto menor sea el error muestral, más precisa será la estimación de los parámetros poblacionales, lo que es esencial para tomar decisiones informadas y confiables.

El error muestral puede manifestarse de diversas maneras, como el error de muestreo y el error no muestral. El error de muestreo es la variabilidad inherente a la selección aleatoria de una muestra, y puede reducirse mediante un tamaño de muestra adecuado y técnicas de muestreo apropiadas. Por otro lado, el error no muestral se refiere a las fuentes de error que no están relacionadas con el proceso de muestreo en sí, como errores en la medición o la recopilación de datos, y debe minimizarse a través de procedimientos rigurosos y precisos en la investigación.

El tamaño de la muestra y la técnica de muestreo desempeñan un papel crucial en la magnitud del error muestral. Un tamaño de muestra más grande tiende a reducir el error muestral, ya que proporciona una imagen más completa de la población y disminuye la variabilidad inherente a las muestras más pequeñas. Además, la elección de la técnica de muestreo, como el muestreo aleatorio simple o el muestreo estratificado, puede afectar la precisión de las estimaciones, ya que algunas técnicas están diseñadas para minimizar ciertos tipos de error.

La gestión y el control del error muestral son esenciales para obtener resultados confiables en la estadística y la investigación. Los estadísticos aplican métodos y técnicas para estimar y controlar el error muestral en sus análisis. Comprender y considerar el error muestral es crucial para la toma de decisiones informadas basadas en datos y para evaluar la validez y la confiabilidad de las conclusiones extraídas de una muestra.

Objetivo de la Muestra en Investigación

El objetivo de la muestra es un componente esencial en el proceso de selección y utilización de muestras en el ámbito de la investigación y la estadística. Las muestras no se recopilan de manera aleatoria o arbitraria; más bien, se seleccionan con un propósito específico en mente. Este propósito determina la naturaleza de la muestra y cómo se utilizarán los datos recopilados. Los objetivos de la muestra pueden variar ampliamente y pueden incluir:

1. Inferencias sobre la población: Uno de los objetivos más comunes de la muestra es hacer inferencias sobre una población más grande a partir de la información obtenida de una muestra representativa. Por ejemplo, a partir de una muestra de votantes, se pueden hacer inferencias sobre las preferencias políticas de toda la población.

2. Investigación científica: Las muestras se utilizan en investigaciones científicas para probar hipótesis, explorar relaciones entre variables y generar conocimiento nuevo. En campos como la medicina, la psicología y la sociología, las muestras son fundamentales para avanzar en la comprensión de fenómenos complejos.

3. Toma de decisiones comerciales: En el ámbito empresarial, las muestras se utilizan para evaluar la satisfacción del cliente, analizar tendencias de mercado, realizar estudios de mercado y tomar decisiones estratégicas basadas en datos.

4. Política y gobierno: Los gobiernos y las instituciones políticas utilizan muestras para realizar encuestas de opinión pública, evaluar políticas y programas, y planificar estrategias de gobierno.

5. Control de calidad: En la industria y la manufactura, las muestras se utilizan para verificar la calidad de productos o procesos. Se seleccionan muestras aleatorias de productos para inspeccionar y garantizar que cumplan con los estándares de calidad.

El objetivo de la muestra es fundamental, ya que guía el diseño del estudio y la recopilación de datos. Determina qué variables se medirán, cómo se seleccionará la muestra y qué técnicas de análisis se aplicarán. Además, el objetivo de la muestra también influye en la interpretación de los resultados y en las conclusiones que se pueden extraer de ellos.

Técnicas de Muestreo en Investigación

La elección de la técnica de muestreo adecuada es un aspecto crítico en la planificación y ejecución de investigaciones y estudios estadísticos. Las técnicas de muestreo determinan cómo se seleccionarán los elementos de la población para formar parte de la muestra y, por lo tanto, afectan la validez y la representatividad de los resultados. Existen diversas técnicas de muestreo, cada una diseñada para abordar diferentes situaciones y objetivos de investigación.

Una de las técnicas más fundamentales es el muestreo aleatorio simple, donde cada elemento de la población tiene una probabilidad igual de ser seleccionado en la muestra. Esta técnica es adecuada cuando la población es homogénea y no se requiere una estratificación por características específicas.

El muestreo estratificado, por otro lado, se utiliza cuando la población puede dividirse en subgrupos o estratos con características similares. Se selecciona una muestra aleatoria de cada estrato, lo que garantiza que cada subgrupo esté representado en la muestra final, lo que es útil cuando se desea examinar diferencias entre los estratos.

El muestreo por conglomerados implica dividir la población en grupos más grandes o conglomerados, como regiones geográficas o escuelas, y luego seleccionar al azar algunos de estos conglomerados para formar la muestra. Esta técnica es eficiente en situaciones en las que no es práctico listar todos los elementos individuales de la población.

La elección de la técnica de muestreo adecuada depende de la naturaleza de la población y los objetivos de la investigación. Además de las mencionadas, existen otras técnicas avanzadas, como el muestreo sistemático y el muestreo por cuotas, que también tienen sus aplicaciones específicas. La selección cuidadosa de la técnica de muestreo es esencial para garantizar que la muestra sea representativa y que los resultados sean válidos y confiables.

Sesgo de Selección en Muestreo

El sesgo de selección es un concepto crucial en la investigación y la estadística, que se refiere a la distorsión o falta de representatividad en una muestra debido a errores en la técnica de muestreo o a la falta de aleatoriedad en la selección de elementos. Es un factor que puede comprometer la validez y la confiabilidad de los resultados obtenidos a partir de la muestra, ya que la esencia de una muestra es ser una representación precisa de la población de interés.

El sesgo de selección puede manifestarse de varias maneras. Por ejemplo, si se utiliza un método de muestreo que favorece la inclusión de ciertos elementos de la población sobre otros, como seleccionar únicamente a aquellos que son más accesibles o convenientes, se introduce un sesgo de selección. Esto puede resultar en que la muestra subrepresente o sobre represente ciertas características de la población.

La falta de aleatoriedad en la selección de elementos también puede dar lugar a sesgos de selección. Si la selección de la muestra se realiza de manera no aleatoria o si no se tiene acceso a una lista completa y actualizada de todos los elementos de la población, existe el riesgo de que la muestra no sea verdaderamente representativa.

Minimizar el sesgo de selección es esencial para obtener resultados válidos y confiables en la investigación y la estadística. Esto se logra mediante la implementación de técnicas de muestreo adecuadas, como el muestreo aleatorio simple o el muestreo estratificado, que garantizan la aleatoriedad y la representatividad de la muestra. Además, es importante considerar y controlar cualquier factor que pueda introducir sesgo en el proceso de selección.

Generalización en Muestreo y Estadística

La generalización es un concepto fundamental en el proceso de investigación y estadística, que se refiere al uso de los resultados obtenidos a partir de una muestra para hacer inferencias y extrapolaciones sobre la población de interés. Sin embargo, es crucial reconocer que estas generalizaciones tienen limitaciones y condiciones bajo las cuales son válidas.

Cuando se trabaja con muestras, se parte del supuesto de que la muestra es representativa de la población en cuestión. Esto implica que las características y las propiedades observadas en la muestra se pueden aplicar de manera más amplia a toda la población. Por ejemplo, si se encuesta a un grupo de votantes y se encuentra que el 60% prefiere un candidato en particular, se puede generalizar que aproximadamente el 60% de todos los votantes tienen esa preferencia.

Sin embargo, las generalizaciones solo son válidas dentro de ciertos límites y bajo condiciones específicas. Para que las generalizaciones sean confiables, la muestra debe haber sido seleccionada de manera aleatoria y representativa, y el tamaño de la muestra debe ser suficientemente grande para proporcionar resultados significativos. Además, las características de la población no deben haber cambiado significativamente desde el momento en que se recopiló la muestra.

Es importante reconocer las limitaciones de la generalización. Por ejemplo, las generalizaciones basadas en una muestra pueden no ser válidas si la muestra no fue representativa, si se introdujo sesgo de selección, o si la población ha experimentado cambios significativos. Además, las generalizaciones no implican que se pueda conocer con certeza cada detalle de la población; más bien, ofrecen estimaciones y tendencias basadas en datos observados en la muestra.

Así, la generalización es un paso esencial en la investigación y la estadística, pero debe realizarse con cautela y con plena conciencia de sus limitaciones. Las condiciones bajo las cuales las generalizaciones son válidas deben ser cuidadosamente evaluadas, y se debe reconocer que los resultados basados en una muestra representan estimaciones que pueden estar sujetas a variabilidad y error.

Otros significados de Muestra

Muestra Gratis en Marketing

En el ámbito del marketing, encontramos otro uso interesante de la muestra. La muestra gratis se refiere a la entrega de un producto o servicio de forma gratuita como una estrategia de promoción. Esta táctica permite a los consumidores evaluar la calidad del producto o servicio antes de tomar una decisión de compra. Es una forma efectiva de generar interés y confianza en el mercado, ya que los clientes potenciales tienen la oportunidad de probar el producto antes de comprometerse a adquirirlo en el futuro.

Muestra de Arte

En el mundo del arte, una muestra adquiere un significado completamente diferente. Aquí, se refiere a una exposición de obras de un artista o varios artistas con el propósito de que el público conozca y aprecie su trabajo. Estas exposiciones pueden variar en escala y alcance, desde pequeñas galerías locales hasta museos de renombre mundial. Las muestras de arte permiten a los artistas mostrar su creatividad y a los espectadores apreciar y reflexionar sobre las obras.

Toma de Muestras en Análisis Médicos

En el ámbito de la medicina y los laboratorios de análisis clínicos, la toma de muestras es una práctica esencial. Aquí, una muestra se refiere a una porción de sangre, orina, heces u otros fluidos o tejidos biológicos que se recolecta de un paciente. Estas muestras se someten a análisis para evaluar la salud del paciente y diagnosticar enfermedades. La interpretación de los resultados de estas muestras recae en profesionales de la salud, y es fundamental para el diagnóstico y el tratamiento adecuado.

Muestra como Modelo a Seguir

Por último, una muestra también puede ser un modelo a seguir. Se refiere a un ejemplo o diseño que se debe imitar o copiar. En este contexto, una muestra puede ser un punto de referencia para la creación de productos, diseños gráficos, arquitectura y más. Sirve como inspiración y guía para aquellos que buscan lograr un estándar de excelencia en su trabajo.

En síntesis, el concepto de "muestra" abarca una variedad de contextos y aplicaciones en diferentes campos. En su esencia, una muestra es una porción cuidadosamente seleccionada de un conjunto más amplio, ya sea una población, productos, obras de arte, fluidos biológicos u otros elementos. La elección de una muestra adecuada y su representatividad son fundamentales en la estadística, donde se utilizan para obtener información sobre poblaciones más grandes sin tener que analizar todos sus miembros. Las técnicas de muestreo, como el muestreo aleatorio o estratificado, son esenciales para garantizar la validez de los resultados.

Además, la muestra se emplea en el marketing como una estrategia de promoción, ofreciendo productos o servicios gratuitos para que los consumidores evalúen su calidad antes de comprarlos. En el arte, una muestra se refiere a una exposición de obras de artistas con el fin de dar a conocer su trabajo. En el ámbito médico, la toma de muestras de fluidos biológicos es crucial para el diagnóstico y tratamiento de pacientes. Por último, una muestra también puede ser un modelo a seguir, sirviendo como inspiración y guía en diversos campos creativos y de diseño. En todos estos contextos, la muestra desempeña un papel clave en la toma de decisiones, evaluación de calidad y generación de conocimiento.

Características esenciales de una muestra.

• Representatividad: Una muestra debe ser representativa de la población o conjunto más grande del que se extrae. Esto significa que los elementos seleccionados deben reflejar adecuadamente las características clave de la población en términos de variables relevantes, como edad, género, ubicación geográfica, u otras características importantes para el estudio.
• Tamaño adecuado: El tamaño de la muestra se refiere al número de elementos seleccionados. Debe ser lo suficientemente grande como para capturar la variabilidad de la población y proporcionar resultados confiables, pero no tan grande como para ser impráctico o costoso de recopilar.
• Aleatoriedad: La selección de elementos para la muestra debe realizarse de manera aleatoria o probabilística. Cada elemento de la población debe tener una oportunidad conocida y no nula de ser seleccionado en la muestra. La aleatoriedad ayuda a evitar sesgos y garantiza que la muestra sea representativa.
• Error muestral controlado: El error muestral es la diferencia entre las características estadísticas calculadas a partir de la muestra y las características estadísticas reales de la población. Cuanto menor sea el error muestral, más precisa será la estimación de la población. El tamaño de la muestra y la técnica de muestreo influyen en el error muestral, y es importante controlarlo para obtener resultados confiables.
• Objetivo definido: Las muestras se recopilan con un propósito específico en mente, que puede incluir hacer inferencias sobre la población, realizar investigaciones, tomar decisiones comerciales o gubernamentales, entre otros objetivos. El objetivo de la muestra guía el diseño del estudio y la recopilación de datos.

Estas características son fundamentales para asegurar que una muestra sea válida y representativa, lo que a su vez respalda la utilidad y confiabilidad de los resultados obtenidos a partir de la muestra en investigaciones y análisis estadísticos.

Ejemplos de una muestra en sus diferentes significados.

Ejemplos de Muestra en Estadísitica

• En un estudio de opinión pública, se selecciona aleatoriamente una muestra de 500 personas de una población de 10,000 para conocer la proporción de personas que apoyan una determinada política.
• En una encuesta de satisfacción de productos, se selecciona aleatoriamente una muestra de 300 clientes de una base de datos de 5,000 para evaluar su opinión sobre un nuevo producto.
• Un investigador toma una muestra de 100 estudiantes de una universidad de 10,000 para estudiar el rendimiento académico promedio de los estudiantes en un semestre.
• En un estudio de mercado, se elige una muestra de 50 hogares de una zona urbana para determinar las preferencias de compra de los residentes en cuanto a productos de limpieza.
• Un gobierno realiza una encuesta de empleo y selecciona una muestra de 1,000 personas de una población de 50,000 para estimar la tasa de desempleo en la región.
• En un experimento científico, se toma una muestra de 20 ratones de un grupo de 200 para investigar los efectos de un nuevo medicamento en la salud de los animales.

Ejemplos de Muestra en Diferentes Contextos

• Muestra en Investigación de Mercado: Una empresa de alimentos realiza encuestas a una muestra representativa de consumidores para evaluar la aceptación de un nuevo producto en el mercado antes de su lanzamiento.
• Muestra de Comida en un Supermercado: Una tienda de comestibles ofrece muestras de un nuevo tipo de queso a los clientes, permitiéndoles degustar el producto antes de comprarlo.
• Muestra de Película en un Festival: Un festival de cine proyecta una muestra de películas independientes de todo el mundo para que el público y los críticos puedan apreciar la diversidad del cine internacional.
• Muestra de Suelo en Agricultura: Un agricultor toma muestras de suelo de diferentes áreas de su campo para analizar los niveles de nutrientes y determinar las necesidades de fertilización.
• Muestra de Software en Desarrollo: Un equipo de programadores crea una muestra inicial de una nueva aplicación móvil con funciones básicas para que los usuarios prueben y proporcionen retroalimentación antes de la versión completa.
• Muestra Gratis en Marketing: Una empresa de productos de belleza ofrece muestras gratuitas de su nuevo perfume a los clientes en una tienda departamental para que puedan probarlo antes de comprarlo.
• Muestra de Arte: Un museo de arte contemporáneo organiza una muestra de las obras más recientes de un artista famoso, permitiendo a los visitantes apreciar la evolución de su estilo artístico.
• Toma de Muestras en Análisis Médicos: Un paciente acude al laboratorio para someterse a una toma de muestra de sangre, que se enviará para análisis con el fin de diagnosticar una posible enfermedad.
• Muestra como Modelo a Seguir: Un diseñador de moda utiliza una prenda de alta costura como muestra para inspirarse en la creación de una línea de ropa más asequible para el público en general.

Para finalizar, basta recapitular que, una muestra, en el contexto de la estadística y la investigación, se refiere a un subconjunto representativo de una población más grande que se estudia con el propósito de obtener información sobre esa población. Otra acepción de muestra se refiere a una porción o fragmento de un fenómeno, producto o actividad que se considera representativa del conjunto total. Este fragmento se selecciona con un propósito específico: proporcionar información que ejemplifique, demuestre o sirva como referencia de algún tipo de evento, calidad o estandarización.La muestra puede tomar muchas formas y tamaños, pero su objetivo principal es ofrecer una visión representativa de un todo más grande.