UNIVERSIDAD NACIONAL DE SAN CRISTOBAL DE HUAMANGA

FACULTAD DE INGENIERIA GEOLOGÍA DE MINAS Y CIVIL

ESCUELA PROFESIONAL DE INGENIERIA DE MINAS

Trabajo encargado
número 1 de estadística

Muestreo probabilístico y no probabilístico

CURSO: Estadística y probabilidad (ES-142)

PROFESOR: ing. CIP TAPIA CALDEROÓN, Guillermo b.

ALUMNO: PILLACA MARCAQUISPE, Jamil

QUISPE CRUZ, Alida

CÓDIGO: 15192201

15192119

AYACUCHO- PERÚ
2019
 DEDICATORIA

este presente trabajo es dedicado al docente: ing.

estadístico e informático: Guillermo Tapia
Calderón, quien se ha tomado su tiempo para
transmitirnos sus diversos conocimientos
especialmente del tema que guardan relación con
mi profesión. Y que también nos Ha brindado
una mejor manera de enseñanza a sus alumnos de
la escuela de ingeniería de minas y a mi madre
por ser la primera persona en mi vida, mi
princesa Alida que siempre está en constante
apoyo.
 MUESTREO PROBABILÍSTICO

El muestreo probabilístico es una técnica de muestreo en virtud de la cual las muestras son
recogidas en un proceso que brinda a todos los individuos de la población las mismas
oportunidades de ser seleccionados.
En esta técnica de muestreo, el investigador debe garantizar que cada individuo tenga las
mismas oportunidades de ser seleccionado y esto se puede logara si el investigador utiliza
la aleatorizacion.
La ventaja de utilizar una muerta aleatoria es la ausencia de sesgos muestreo y sistemático.
Si la selección aleatoria se hace correctamente, la muestra será representativa de toda la
población
El efecto de esto es un sesgo sistemático ausente o mínimo que es la diferencia entre los
resultados de la muestra y los resultados de la población. El sesgo de muestreo también se
elimina ya que los sujetos son elegidos al azar.

Tipos de muestreo probabilístico:

1. MUESTREO ALEATORIO SIMPLE:

Este método o esquema de muestreo, se característica porque todos los elementos de la
población tienes la misma probabilidad de ser incluidos en la muestra, o, en otros términos,
porque todas las posibles muestras de un tamaño fijo son iguales probables.
Una manera sencilla, aunque poca práctica de obtener una muestra alentaría es la técnica
“de la urna’’ (o de la pasara). Consiste en colocar en una urna y pecera, fichas con los
nombres números de cada elemento de la población y luego de mezclarlos adecuadamente,
se extrae tantos elementos como ya de tener la mezcla cuidadosa antes de cada extracción,
cada elemento tiene la misma posibilidad de ser seleccionado
El muestreo aleatorio simple es un procedimiento de muestreo probabilístico que da a cada
elemento de la población objetivo y a cada posible muestra de un tamaño determinado, la
misma probabilidad de ser seleccionado.

El muestreo aleatorio simple no es tan utilizado en investigaciones del consumidor, sobre

todo porque es complicado obtener un marco de muestreo donde extraer al azar y no
querrás darle a todas las unidades de la muestra una probabilidad igual de ser elegidas, ya
que usualmente para hacer una investigación de este tipo se requiere a usuarios de tiendas o
consumidores de ciertos productos o ciertas áreas específicas para ser las unidades de
muestreo.
No olvidemos que una parte muy importante del muestreo consiste en tener el tamaño de la
muestra correcta, para no tener un error de muestreo, el cual debe ser el mínimo posible.

Pasos para seleccionar una muestra aleatoria simple:

1. Define la población objetivo. Quizá quieras leer: ¿Cómo encontrar a tu mercado

objetivo?
2. Identifica un marco de muestreo actual de la población objetivo o desarrolla uno
nuevo.
3. Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva,
cobertura múltiple y la agrupación, y haz los ajustes que consideres necesarios.
4. Asigna un número único a cada elemento de la trama.
5. Determina el tamaño de la muestra.
6. Selecciona al azar el número específico de elementos de la población.
7. Para seleccionar el número de elementos de la población puedes recurrir al método
de lotería, una tabla de números aleatorios y los números generados de forma
aleatoria mediante un programa de computadora, es decir, al azar.

A continuación, a ciegas se seleccionan las fichas desde el recipiente hasta que se haya
obtenido el tamaño de muestra deseado. Las desventajas de este método de selección es que
consume mucho tiempo, y se limita a poblaciones pequeñas.

El uso de números aleatorios, un método alternativo implica también la numeración de

miembros de la población de 1 a N. Luego, el tamaño de muestra de n tiene que ser
determinada por selección de los números al azar.

El uso de la tabla de números aleatorios similar a la que aparece a continuación puede

ayudar en gran medida con la aplicación de esta técnica de muestreo.
En una tabla de números aleatorios no se sigue un patrón particular. Pueden ser leídos de
cualquier manera, es decir, horizontal, vertical, diagonal, hacia delante o hacia atrás. El
número de dígitos que se utiliza debe corresponder al tamaño total de la población objetivo.

Los números que el investigador encuentra que no concuerdan con los números asignados a
elementos de la población objetivo son ignorados. Este proceso de la tabla de números
aleatorios es un proceso tedioso, consume tiempo, y no se recomienda para grandes
poblaciones.

En su lugar, se pueden utilizar softwares estadísticos u hojas de cálculo para generar

números aleatorios. Los elementos de las poblaciones cuyos números asignados coinciden
con los números generados por el software son incluido en la muestra. Se puede seleccionar
un número de una tabla de números aleatorios para usarlo como el número de partida para
el procedimiento.

Subtipos de muestreo aleatorio simple:

Hay dos tipos de muestreo aleatorio simple: el muestreo con reemplazo y sin reemplazo.

 El muestreo con reemplazo, después de que un elemento ha sido seleccionado de

entre el marco de la muestra se devuelve y es elegible para ser seleccionado de
nuevo.
  En el muestreo sin reemplazo, después de que un elemento se selecciona del marco
de la muestra, se retira de la población y no regresa a la base del muestreo. Este tipo
de muestreo suele ser más eficiente pues no permite que el mismo elemento de la
población entre a la muestra más de una vez.

Ventajas y desventajas del muestreo aleatorio simple

 Entre sus puntos fuertes están que tiende a producir muestras representativas y
permite el uso de la estadística inferencial en el análisis de datos recogidos.
 Cada selección es independiente de otras selecciones; Todas las combinaciones
posibles de unidades de muestreo tienen la misma oportunidad de ser seleccionadas. En
el muestreo sistemático, las posibilidades de ser seleccionado no son independientes
entre sí.
 En general, es más fácil que otros procedimientos de muestreo probabilístico (tales
como el muestreo por conglomerados) de comprender y comunicar a otros.
 Los procedimientos estadísticos requeridos para analizar los datos y calcular los
errores son más fáciles que los requeridos en otros procedimientos de muestreo
probabilístico. Te recomiendo leer: Tipos de errores. Consejos para que tu investigación
no caiga en ellos
 Entre las desventajas están que se requiere un marco de muestreo de elementos de la
población objetivo. Un marco de muestreo apropiado puede que no exista para la
población que se dirige, y puede que no sea factible o práctico construir uno. En este
caso el muestreo por conglomerados no requiere de una toma de muestra de los
elementos de la población objetivo.
 El muestreo aleatorio simple tiende a tener errores de muestreo más grandes y
menos precisión de muestreo estratificado del mismo tamaño de la muestra.
 Los encuestados pueden estar muy dispersos, por tanto, los costos de la recolección
de datos pueden ser superiores a las de otros diseños de la muestra de probabilidad, como
el muestreo por conglomerados.
 El muestreo aleatorio simple puede no producir un número suficiente de elementos
de pequeños subgrupos. Esto no haría de un muestreo aleatorio simple una buena opción
para los estudios que requieren un análisis comparativo de las categorías pequeñas de
una población con categorías mucho más amplias de la población.
 Fortalezas
Debilidades
En comparación con otros procedimientos
En comparación con otros procedimientos de
de
muestreo probabilístico
Muestreo probabilístico

Cada combinación posible de muestreo

No se aprovecha del conocimiento que el
tiene igual probabilidad de ser
investigador podría tener de la población.
seleccionado.

Puede tener errores de muestreo más grandes y

Más fácil de entender y comunicar a otros. menos precisión que otros diseños de muestreo
probabilístico con el mismo tamaño de la muestra.

Si subgrupos de la población tienen intereses

Tiende a producir muestras representativas. particulares no pueden ser incluidos con un
número suficiente en la muestra.

Los procedimientos estadísticos necesarios Si la población está muy dispersa, los costos por
para analizar errores de datos y de software recolección de datos pueden ser más altos que los
de estadísticas son más fáciles. de otros diseños de la muestra de probabilidad.
 

2. MUESTREO ESTRATIFICADO
El muestreo aleatorio estratificado también es conocido como muestreo aleatorio
proporcional. Ésta es una técnica de muestreo probabilístico en donde los sujetos son
inicialmente agrupados en diferentes categorías, tales como la edad, el nivel
socioeconómico o el género.
Esta se usa cuando la población no es homogénea, sino que pueden en ella identificarse
clases definidos por algún atributo o característica relacionada con la variable que se
estudia

|Este procedimiento implica dividir la población en clases o grupos homogéneos

relativos a ala características que van a estudiar, llamados estratos. después se toma
una submuestra de cada estrato de unas de las formas posibles: o bien seleccionamos al
azar en cada estrato un número específico a ala proporción del estrato en la población
total. En uno y otra forma el muestreo estratificado garantiza que todos los elementos
tengan una posibilidad de ser seleccionados. Algunas veces la unidad en la muestra de
cada estrato está relacionada inversamente con la homogeneidad de las unidades en el
estrato, mientras más homogénea sea el estrato, menor será la proporción incluido en la
 muestra. La razón que cuando las unidades son más homogéneas, resulta suficiente una
submuestra pequeña para asegurar la representatividad. En consecuencia, el costo de
muestreo se reduce.

pasos principales en la selección de una muestra aleatoria estratificada:

1. Define la población objetivo.

2. Identifica la variable o variables de estratificación y determinar el número de
estratos a usarse. Las variables de estratificación deben estar relacionados con el propósito
de estudio. Si el propósito del estudio es hacer estimaciones de los subgrupos, las variables
de estratificación deben estar relacionados con esos subgrupos. La disponibilidad de
información auxiliar a menudo determina las variables de estratificación que se utilizan.
Puede ser utilizada más de una variable de estratificación. Considera que a medida que el
número de variables de estratificación aumenta, incrementa la probabilidad de que algunas
de las variables cancelen los efectos de otras variables, no más de cuatro a seis variables de
estratificación y no se deben utilizar más de seis estratos de una variable en particular.

3. Identifica un marco de muestreo existente o desarrolla uno que incluya información

sobre la o las variables de estratificación para cada elemento de la población objetivo. Si el
marco de la muestra no incluye la información en las variables de estratificación, la
estratificación no sería posible.

4. Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva,

múltiple, y la agrupación, y haz los ajustes cuando sea necesario.

5. Divide el marco de muestreo en estratos, categorías de la estratificación de la o las

variables, creando un marco de muestreo para cada estrato. Dentro del estrato las
diferencias deben reducirse al mínimo, y las diferencias entre los estratos deben
maximizarse. Los estratos no deben estar superpuestos, en conjunto, debe constituir toda la
población. Los estratos deben ser independientes y mutuamente exclusivos del subconjunto
de la población. Cada elemento de la población debe estar en un sólo estrato.

6. Asigna un número único a cada elemento.

7. Determina el tamaño de la muestra para cada estrato. La distribución numérica de

los elementos incluidos en la muestra a través de los diversos estratos determina el tipo de
muestreo a implementar. Puede ser un muestreo proporcional estratificado o uno de los
diversos tipos de muestreo estratificado desproporcionado.

8. Selecciona al azar el número específico de elementos de cada estrato. Al menos un

elemento se debe seleccionar de cada estrato para la representación de la muestra; y por lo
menos dos elementos deben ser elegidos de cada estrato para el cálculo del margen de error
de las estimaciones calculadas a partir de los datos recogidos.
Muestreo estratificado:

Hay dos subtipos principales de muestreo estratificado: el proporcional y el muestreo

desproporcionado.

El estratificado proporcional
El número de elementos asignados a diversos estratos es proporcional a la representación
de los estratos de la población objetivo. Es decir, el tamaño de la muestra extraída de cada
estrato es proporcional con el tamaño relativo de ese estrato de la población objetivo.
La fracción de muestreo es aplicada a cada estrato, dando a cada elemento de la población
la misma oportunidad para ser seleccionados. La muestra resultante es una muestra
autoponderada. Este procedimiento de muestreo se utiliza cuando el propósito de la
investigación es estimar los parámetros poblacionales.

Ejemplo de muestreo estratificado proporcional:

 El muestreo estratificado desproporcionado
El muestreo desproporcionado es un procedimiento en que el número de elementos
incluidos en la muestra de cada estrato no es proporcional a su representación en la
población total. Los elementos de la población no tienen la misma oportunidad de ser
incluidos en la muestra. La misma fracción de muestreo no se aplica a cada estrato.
El objetivo de un estudio puede requerir de un investigador que lleve a cabo el análisis
detallado de los estratos de la muestra. Si se utiliza la estratificación proporcional, el
tamaño de la muestra de un estrato es muy pequeña; por lo que puede ser difícil de cumplir
los objetivos del estudio
La asignación proporcional puede no producir un número suficiente de casos para este tipo
de análisis detallado. Una opción es el sobremuestreo de los estratos pequeños o poco
frecuentes.
Utilizando el ejemplo hipotético descrito en la tabla superior, si se desea llevar a cabo un
análisis detallado de la zona 2, uno podría sobremuestrear elementos de esa zona; por
ejemplo, en lugar de un muestreo de sólo 12 elementos, muestra 130 elementos.

Debilidades y fortalezas del muestreo estratificado:

El muestreo estratificado tiene muchas de las fortalezas y debilidades asociadas con la

mayoría de los procedimientos de muestreo de probabilidad cuando se comparan con los
procedimientos de muestreo no probabilísticos.

En comparación con el muestreo aleatorio simple, las fortalezas del muestreo estratificado
incluyen:

 Al usar el muestreo estratificado, se aprovecha el conocimiento que el investigador

tiene sobre la población.
 Debilidades
Fortalezas
A diferencia del muestreo aleatorio
A diferencia del muestreo aleatorio simple,
simple,
el muestreo estratificado:
el muestreo estratificado:

Tiene una mayor capacidad de hacer Requiere información sobre la proporción

inferencia dentro de un estrato y, de la población total que pertenece a cada
comparaciones entre los estratos. estrato.

La información sobre las variables de

Tiene errores de muestreo al azar un poco
estratificación
más pequeños para la muestra de mismo
es requerida para cada elemento de la
tamaño, por lo que requiere tamaños de
población.
muestra más pequeños para el mismo margen
Si dicha información no está disponible,
de error.
puede ser costosa su compilación.

Obtiene una muestra más representativa Es más caro, consume tiempo, y es más
porque se asegura de que los elementos de complicado que el muestreo aleatorio
cada estrato son representado en la muestra. simple.

La selección de las variables de

Saca mayor provecho de los conocimientos estratificación puede ser difícil si un
que el investigador tiene sobre la población. estudio implica un gran número de
variables.

El análisis de los datos recogidos es más

Permite diferentes métodos de investigación
complejo que el análisis de los datos
y procedimientos que se utilizarán en
recogidos a través del
diferentes estratos.
muestreo aleatorio simple.

Permite el análisis de los patrones dentro Si se utiliza la asignación

del estrato y la notificación separada de los desproporcionada, se requiere la
resultados para cada uno de los estratos. ponderación para hacer estimaciones
precisas de los parámetros de la
población.
 La utilización de un muestreo estratificado permite al investigador utilizar diferentes
procedimientos de muestreo dentro de los diferentes estratos.

Formula:
 3. MUSTREO CONGLOMERADO
Se unas en poblaciones grandes y muy dispersas desde el punto de vista geográfico, y en las
cuales el muestreo aleatorio simple seria poco económico debido a que daría lugar a
muestras igualmente dispersas.
En este tipo de muestreo, en lugar de seleccionar directamente los elementos de la
población se hace una selección inicial de grupos o conglomerados, que son agrupaciones
de elementos que deben ser lo más heterogenia posible a diferencia de los estratos, de
suerte que cada una de ellas resulte una réplica reducida de la población, la muestra general
está formado por todas o por una submuestra de las unidades en cada conglomerado.
Estos tipos de muestras se emplean solos o combinados, en etapas múltiples, con
restricciones y en consideraciones tales como el costo
El uso de uno otro, depende de las características de la población y de las condiciones en
que se encuentra, buscando siempre la mayor representatividad de la muestra y la
simplificación de trabajo, de forma que haga posible la realización del muestreo con calidad
y con acto moderado

El proceso de muestreo:
El primer paso para aplicar esta técnica es definir los conglomerados. Se trata de identificar
una característica que permita dividir la población en grupos disjuntos (sin solapamiento) y
de forma exhaustiva (todos los individuos deben estar en un grupo), de tal manera que los
grupos no difieran entre sí en relación a aquello que queremos medir. Una vez hemos
definido estos conglomerados, seleccionaremos al azar algunos de ellos para estudiarlos.
 Ventajas y desventajas del muestreo por conglomerado:

 La principal ventaja de esta técnica es de tipo operativa: seleccionar un

conglomerado a estudiar suele ser más fácil y económico que hacer una muestra
aleatoria o sistemática. Hemos visto por ejemplo que usar conglomerados
geográficos puede representar un importante ahorro en desplazamientos de personas
 Como principales desventajas tenemos al usar muestreo por conglomerados
corremos un riesgo importante: que los conglomerados no sean realmente
homogéneos entre ellos. En el ejemplo anterior sobre fumadores en Argentina,
podría suceder que en una de las provincias exista más propensión a fumar, por ser
una región más urbana, por razones culturales, etc.
 

4. MUESTRO ALEATORIO SISTEMATICO

En este procedimiento, se selecciona una muestra, tomando cada k-esima unidad de la

población u vez que las unidades de muestreo están numerados o arreglados en alguna
forma. El número k es la razón de muestreo, esto es la razón de tamaño de la población N al
tamaño de la muestra n(k=N/n).

Ejemplo, si va seleccionar una muestra de 50 unidades a partir de una población de tamaño

N= 1000 unidades, entonces k= 10000/50 = 20, luego se obtiene cada 20-esima unidad de
la población. Se pudo utilizar el procedimiento de la urna para determinar con cuál de las
primeras 20 unidades empezar. Si se selecciona la unidad 15 esima como inicio aleatorio,
entonces la muestra incluirá a las unidades 15,35,55, 75,….,995-esimas. Por razones
obvias, este procedimiento sistemático solo se puede aplicar cuando el marco de la muestra
es homogéneo.
 Ventajas del muestreo sistemático

 La principal ventaja de utilizar un muestreo sistemático sobre un muestreo aleatorio

simple es su sencillez. Permite que el investigador añada un grado de sistema o proceso
en la selección aleatoria de los sujetos.
 Otra ventaja del muestreo aleatorio sistemático sobre el muestreo aleatorio simple
es la garantía de que el muestreo se hará equitativamente sobre la población. Existe una
posibilidad de un muestreo aleatorio simple que permite una selección por
conglomerados de sujetos. Esto es eliminado sistemáticamente en el muestreo
sistemático.
Desventaja de muestreo sistemático

 El proceso de selección puede interactuar con un rasgo periódico oculto dentro de la

población. Si la técnica de muestreo coincide con la periodicidad del rasgo, la técnica de
muestreo ya no será aleatoria y la representatividad de la muestra se ve comprometida.

NOTA:

 Dado que el muestreo aleatorio sistemático es un tipo de muestreo probabilístico, el

investigador debe garantizar que todos los miembros de la población tengan las mismas
posibilidades de ser seleccionados como el punto de partida o sujeto inicial.
 El investigador debe estar seguro de que el intervalo constante elegido entre los
sujetos no refleje un cierto patrón de rasgos presentes en la población. Si existe un patrón
en la población y coincide con el intervalo establecido por el investigador, la aleatoriedad
de la técnica de muestreo se ve comprometida.
 5. MUESTREO ALEATORIO MIXTO/POR ETAPAS MÚLTIPLES:

Esta técnica de muestreo probabilístico implica una combinación de dos o más técnicas de
muestreo enumeradas anteriormente. En la mayoría de las investigaciones complejas
realizadas en el campo o en el laboratorio, no es adecuado utilizar un solo tipo de muestreo
probabilístico.

La mayoría de las investigaciones se realizan en diferentes etapas y en cada etapa se aplica

una técnica de muestreo aleatorio diferente.

Esta técnica es la única opción cuando no se dispone de lista completa de la población de

referencia o bien cuando por medio de la técnica de muestreo simple o estratificado se
obtiene una muestra con unidades distribuidas de tal forma que resultan de difícil acceso.
En el muestreo a estudios múltiples se subdivide la población en varios niveles ordenados
que se extraen sucesivamente por medio de un procedimiento de embudo. El muestreo se
desarrolla en varias fases o extracciones sucesivas para cada nivel.
Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un país
determinado, estos pueden subdividirse en unidades primarias representadas por
circunscripciones didácticas y unidades secundarias que serían los propios profesores. En
primer lugar, extraemos una muestra de las unidades primarias (para lo cual debemos tener
la lista completa de estas unidades) y en segundo lugar extraemos aleatoriamente una
muestra de unidades secundarias de cada una de las primarias seleccionadas en la primera
extracción.

Características También se denomina de etapas múltiples

Se utiliza para poblaciones grandes y dispersas. En lugar de individuos se selecciona

conglomerados que están agrupados en forma natural (cuadros de casa, departamentos,
hospitales, provincias)

 Ejemplo: Un investigador desea estudiar el rendimiento académico de los estudiantes

secundarios en España. Puede dividir a toda la población (población de España) en
diferentes conglomerados (ciudades). Luego, el investigador selecciona una serie de
conglomerados en función de su investigación, a través de un muestreo aleatorio simple o
sistemático. Luego, de los conglomerados seleccionados (ciudades seleccionadas al azar) el
investigador puede incluir a todos los estudiantes secundarios como sujetos o seleccionar
un número de sujetos de cada conglomerado a través de un muestreo aleatorio simple o
sistemático. Lo más importante sobre esta técnica de muestreo es dar a todos los
conglomerados iguales posibilidades de ser seleccionados.

En lugar de individuos se selecciona conglomerados que están agrupados en forma natural

(cuadros de casas, departamentos, hospitales, provincias).
 MUESTREO NO PROBABILÍSTICO

El muestreo no probabilístico es una técnica de muestreo donde las muestras se recogen en

un proceso que no brinda a todos los individuos de la población iguales oportunidades de
ser seleccionados.

En cualquier tipo de investigación es difícil lograr un muestreo aleatorio auténtico.

La mayoría de los investigadores tienen limitaciones temporales, monetarias y de mano de
obra y, gracias a ellas, es casi imposible tomar una muestra aleatoria de toda la población.
Generalmente, es necesario emplear otra técnica de muestreo, la técnica de muestreo no
probabilístico.
A diferencia del muestreo probabilístico, la muestra no probabilística no es un producto de
un proceso de selección aleatoria. Los sujetos en una muestra no probabilística
generalmente son seleccionados en fusión de su accesibilidad o a criterio personal e
internacional del investigador.
La desventaja del método de muestreo no probabilístico es que no se toman pruebas de una
porción desconocida de la población. Esto implica que la muestra puede representar a toda
la población con precisión o no. Por lo tanto, los resultados de la investigación no pueden
ser utilizados en generalizaciones respecto de toda la población.
 Tipos de muestreo no probabilísticos
1. MUESTREO POR CONVENIENCIA:
El muestreo por conveniencia es probablemente la técnica de muestreo más común. En el
muestreo por conveniencia, las muestras son seleccionadas porque son accesibles para el
investigador. Los sujetos son elegidos simplemente porque son fáciles de reclutar. Esta
técnica es considerada la más fácil, la más barata y la que menos tiempo lleva.

El muestreo de o por conveniencia es una técnica de muestreo no probabilístico donde los

sujetos son seleccionados dada la conveniente accesibilidad y proximidad de los sujetos
para el investigador.

Los

sujetos de una investigación específica, son seleccionados para el estudio sólo porque son
más fáciles de reclutar y el investigador no está considerando las características de
inclusión de los sujetos que los hace representativos de toda la población.

En todas las formas de investigación, sería ideal generalizar los resultados a la totalidad de
la población, pero en la mayoría de los casos, la población es demasiado grande y resulta
imposible incluir cada individuo. Esta es la razón por la cual la mayoría de los
investigadores utilizan técnicas de muestreo, como el muestreo de conveniencia, la más
común de todas las técnicas de muestreo. Muchos investigadores prefieren esta técnica de
muestreo, ya que es rápida, barata, fácil y sobre todo, los sujetos están disponibles.
Ejemplos:

Uno de los ejemplos más comunes de muestreo de conveniencia se realiza utilizando

estudiantes voluntarios como sujetos de la investigación. Otro ejemplo es el uso de sujetos
que se han seleccionado de una clínica, una clase o una institución ya que para el
investigador es de fácil el acceso a estas instituciones. Un ejemplo más concreto es la
selección de cinco personas de una clase o incluso la selección de los cinco primeros
nombres de la lista de pacientes de una lista en una institución médica.

En estos ejemplos, el investigador inadvertidamente excluye una gran proporción de la

población. Una muestra de conveniencia es o bien una selección de sujetos que son
accesibles para el investigador o una selección de personas que deseen participar como
voluntarios.

2. MUESTREO CONSECUTIVO:
El muestreo consecutivo es muy similar al muestreo por conveniencia, excepto que intenta
incluir a todos los sujetos accesibles como parte de la muestra. Esta técnica de muestreo no
probabilístico puede ser considerada la mejor muestra no probabilística, ya que incluye a
todos los sujetos que están disponibles, lo que hace que la muestra represente mejor a toda
la población.

Ejemplo de muestreo consecutivo:

Uno de los ejemplos más comunes de un muestreo consecutivo es cuando las compañías
paran a la gente en una alameda u otra área y les entregan los folletos promocionales sobre
un nuevo modelo de coches. En este ejemplo, las personas que caminan en el centro
comercial pueden ser consideradas como muestra representativa de una población.

Ahora, a estas personas se les entrega un anuncio o un folleto promocional y algunos de

ellos aceptan quedarse y responder a las preguntas del ejecutivo (para este caso se puede
considerar como un investigador). Las respuestas se recogen y analizan, pero no hay un
resultado concluyente de que la gente quiera comprar ese coche con las características
descritas en el folleto.

El ejecutivo ahora hace preguntas a otro grupo de personas, que analizan los detalles del
coche y muestran un gran interés. Por lo tanto, este grupo de personas ha proporcionado
resultados concluyentes para la compra del coche.

Sin embargo, hay un inconveniente en este método de muestreo. La muestra no puede

considerarse representativa de toda la población. En el contexto de este ejemplo, no todas
las personas que han tomado este folleto estaban interesadas en comprar el coche. Aquí es
donde el sesgo del muestreo entra en escena. Por lo tanto, para superar este sesgo, el
muestreo consecutivo debe utilizarse conjuntamente con el muestreo probabilístico.
Ventajas y desventajas del muestreo consecutivo:
 En la técnica de muestreo consecutivo, el investigador tiene muchas opciones
cuando se trata del tamaño de la muestra y el horario de muestreo. El tamaño de la
muestra puede variar.
 En esta técnica de muestreo, el horario de muestreo depende completamente de la
naturaleza de la investigación. Si un investigador no puede obtener resultados
concluyentes con una muestra, puede depender de la segunda muestra y así
sucesivamente para obtener resultados concluyentes.
 En el muestreo consecutivo, debido a su naturaleza repetitiva, se pueden hacer
cambios y ajustes menores justo al comienzo de la investigación para evitar sesgos.
 Se necesita muy poco esfuerzo para llevar a cabo la investigación. Esta técnica no
consume mucho tiempo y no requiere mucha mano de obra.
Así como también tenemos las desventajas:
 Este método de muestreo no puede considerarse representativo de toda la población.
La única manera en que esta técnica de muestreo puede acercarse más a la
representatividad es utilizando un tamaño de muestra grande que represente una
población.
 Dado que existe una desventaja de que una muestra obtenida no puede ser aleatoria,
los resultados o conclusiones extraídos a través de esta técnica de muestreo no pueden
ser utilizados para representar a toda una población.
Un muestreo consecutivo es considerada la técnica de muestreo no probabilístico más
popular, ya que es fácil de aplicar y el investigador puede trabajar con múltiples grupos
debido a que solo se necesita la disponibilidad de los participantes.
 

3. EL MUESTREO POR CUOTAS 

Es una técnica de muestreo no probabilístico en donde el investigador asegura una

representación equitativa y proporcionada de los sujetos, en función de qué rasgo es
considerado base de la cuota.
Por ejemplo, si la base de la cuota es de nivel de año en la universidad y el investigador
necesita una representación igual, con un tamaño de muestra de 100, debe seleccionar 25
estudiantes de 1º año, 25 de 2° año, 25 de 3º año y 25 de 4º año. Las bases de la cuota
generalmente son la edad, el género, la educación, la etnia, la religión y el nivel
socioeconómico.

La hipótesis nula se define como una hipótesis estadística, indirecta o implícita, en la que
no existe una diferencia significativa entre el conjunto de variables involucradas en la
investigación o el experimento. En términos estadísticos, la expresión original suele estar
representada por H0. Si se acepta la hipótesis nula, el investigador no hará ningún cambio
en sus opiniones o acciones.
Una hipótesis alternativa es lo contrario de la hipótesis nula, ya que es directa y explícita.
Existe una relación entre las dos variables involucradas en el estudio. Se acepta una
hipótesis alternativa cuando se rechaza una hipótesis nula. Una hipótesis alternativa es
denotada por H1.  

4. MUESTREO DE BOLA DE NIEVE:

El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una población muy
pequeña. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique a
otro sujeto potencial que también cumpla con los criterios de la investigación. La
desventaja de usar una muestra de bola de nieve es que difícilmente sea representativa de la
población.

El muestreo de bola de nieve es una técnica de muestreo no probabilístico utilizada por los
investigadores para identificar a los sujetos potenciales en estudios en donde los sujetos son
difíciles de encontrar.
 Los investigadores utilizan este método de muestreo si la muestra para el estudio es muy
rara o si está limitada a un subgrupo muy pequeño de la población. Este tipo de técnica de
muestreo funciona en cadena. Luego de observar al primer sujeto, el investigador le pide
ayuda a él para identificar a otras personas que tengan un rasgo de interés similar.
El proceso de muestreo de bola de nieve es como pedirles a tus sujetos que designen a otra
persona con el mismo rasgo como el próximo sujeto. Luego, el investigador observa a los
sujetos designados y sigue de la misma manera hasta obtener el número suficiente de
sujetos.
Por ejemplo, para obtener sujetos para un estudio que quiere analizar una enfermedad rara,
el investigador puede elegir utilizar el muestreo de bola de nieve, ya que será difícil obtener
sujetos. También es posible que los pacientes con la misma enfermedad tengan un grupo de
apoyo, y si uno de sus miembros es tu primer sujeto, lo más probable es que allí encuentres
más sujetos para el estudio.

Tipos de muestreo de bola de nieve:

 Muestreo de bola de nieve lineal

 Muestreo de bola de nieve no discriminatorio exponencial

 Muestreo de bola de nieve discriminatorio exponencial

 Ventajas y desventajas del muestreo de bola de nieve. -

 El proceso en cadena permite que el investigador llegue a poblaciones que son

difíciles de probar cuando se utilizan otros métodos de muestreo.

 El proceso es barato, simple y rentable.

 Esta técnica de muestreo necesita poca planificación y menos mano de obra que
otras técnicas de muestreo.
Así como también tenemos las desventajas.
 El investigador tiene poco control sobre el método de muestreo. Los sujetos que el
investigador puede obtener se basan principalmente en los sujetos observados
anteriormente.
 La representatividad de la muestra no está garantizada. El investigador no tiene ni
idea de la verdadera distribución de la población ni de la muestra.

 El sesgo de muestreo es también un miedo de los investigadores cuando se utiliza

esta técnica. Los primeros sujetos tienden a designar a personas que conocen bien. Como
consecuencia, es muy posible que los sujetos compartan los mismos rasgos y
características y, por lo tanto, la muestra que obtenga el investigador será sólo un
pequeño subgrupo de toda la población.
 Cuándo utilizar el muestreo no probabilístico

 Este tipo de muestreo puede ser utilizado cuando se quiere mostrar que existe un
rasgo determinado en la población.

 También se puede utilizar cuando el investigador tiene como objetivo hacer un

estudio cualitativo, piloto o exploratorio.
 Se puede utilizar cuando es imposible la aleatorización, como cuando la población
es casi ilimitada.

 Se puede utilizar cuando la investigación no tiene como objetivo generar resultados

que se utilicen para hacer generalizaciones respecto de toda la población.
 También es útil cuando el investigador tiene un presupuesto, tiempo y mano de obra
limitados.

 Esta técnica también se puede utilizar en un estudio inicial que será llevado a cabo
nuevamente utilizando un muestreo probabilístico aleatorio.