8/21/2020 El muestreo: qué es y por qué funciona

Previous Contacto
Next
ES

Elfunciona
muestreo: qué es y por qué
February 19, 2015 | Carlos Ochoa

Cada vez que miro las estadísticas de este modesto blog, siempre observo la
misma pauta: el tráfico de visitas cumple de forma precisa el principio de Pareto:
el 20% de los posts generan el 80% de las visitas. Y entre este 20% de posts más
visitados destacan con mucha diferencia los posts dedicados a cómo calcular el
tamaño de una muestra representativa para hacer un estudio de opinión.
Viendo el gran interés que despierta esta cuestión, inauguramos hoy una serie
de posts dedicados al muestreo: explicaremos qué es, cuáles son las
principales técnicas de muestreo y cuando conviene usar una técnica u otra.
Esperamos que estos contenidos sean de utilidad, ya sea a estudiantes de
investigación, personas con curiosidad en estos temas o profesionales que
tengan estos conceptos un poco oxidados.
 
¿Qué es el muestreo?
https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona 1/10
8/21/2020 El muestreo: qué es y por qué funciona

El muestreo es el proceso de seleccionar un conjunto de individuos de una

población con el fin de estudiarlos y poder caracterizar el total de la
población.
La idea es bastante simple. Imagina que queremos saber algo de un universo o
población, por ejemplo, qué porcentaje de los habitantes de México fuma
habitualmente. Una forma de obtener este dato sería contactar con todos los
habitantes de México (122 mil ones de personas) y preguntarles si fuman. La otra
forma sería seleccionar un subconjunto de individuos (por ejemplo, 1.000
personas), preguntarles si fuman y usar esta información como una aproximación
de la información buscada. Pues bien, este grupo de 1.000 personas que me
permiten conocer mejor cómo se comportan el total de mexicanos es
una muestra, y la forma en que los seleccionamos es la técnica de muestreo.
En la definición anterior hemos introducido dos términos fundamentales a lo
largo de esta serie de posts:
1)  Universo o población: Es el total de individuos que deseo estudiar o
caracterizar. En el ejemplo anterior, el universo lo forman los habitantes de
México, pero podemos pensar en todo tipo de universos, más generales o
más concretos. Por ejemplo, si quiero saber cuánto fuman de media los
fumadores de México, el universo en este caso serían "los fumadores de
México".
https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona 2/10
 2)  Muestra: Es el conjunto de individuos del universo que selecciono para
8/21/2020 El muestreo: qué es y por qué funciona

estudiarlos, por ejemplo a través de una encuesta. 

 
¿Por qué funciona el muestreo?
El muestreo es útil gracias a que podemos acompañarlo de un proceso inverso,
que l amamos generalización de resultados. Es decir, para conocer un universo
lo que hacemos es:
1)  Extraer una muestra del mismo.
2) Medir un dato u opinión.
3) Proyectar en el universo el resultado observado en la muestra.
La generalización de resultados añade cierto error al dato que medimos.
Imagina que tomamos una muestra al azar de 1.000 personas de México y les
preguntamos si fuman. Obtengo que el 25% de la muestra fuma. La simple lógica
nos dice que si de 1.000 mexicanos elegidos al azar el 25% fuma, este dato
debería ser indicativo de lo que obtendríamos si preguntásemos a los 122
mil ones de mexicanos. Ahora bien, el azar podría haber hecho que haya
escogido para mi muestra más fumadores de lo que correspondería a la
proporción exacta que hay en el universo o, por el contrario, que en mi muestra
los fumadores estén algo infrarepresentados. El azar podría hacer que el
porcentaje de fumadores en la población fuese algo diferente del 25% que
hemos observado en la muestra (tal vez un 25,2%, por ejemplo). Por lo tanto, la
generalización de resultados de un muestra a un universo conlleva aceptar que
cometemos cierto error, tal y como ilustra el siguiente esquema.

https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona 3/10
8/21/2020 El muestreo: qué es y por qué funciona

 
Afortunadamente, el error cometido al generalizar resultados puede acotarse
gracias a la estadística. Para ello suelen usarse dos parámetros: el margen de
error, que es la máxima diferencia que esperamos que haya entre el dato
observado en mi muestra y el dato real en el universo, y el nivel de confianza,
que es el nivel de certeza que tenemos de que el dato real esté dentro del
margen de error.
Por ejemplo, en nuestro caso de fumadores mexicanos, si selecciono una
muestra de 471 individuos y les pregunto si fuman, el resultado que obtenga
tendrá un margen de error máximo de ±5% con un nivel de confianza del 97%.
Esta forma de expresar los resultados es la correcta cuando usamos muestreo.
 
El tamaño de la muestra
¿Qué tamaño de muestra necesito usar para estudiar cierto universo? Depende
del tamaño del universo y del nivel de error que esté dispuesto a aceptar, tal y
como explicábamos en su día en este post. Cuanta más precisión exija, mayor
muestra necesito. Si quiero tener una certeza absoluta en mi resultado, hasta el
último decimal, mi muestra tendrá que ser tan grande como mi universo.
Pero el tamaño de la muestra tiene una propiedad fundamental que explica
porqué el muestreo se usa tanto en tantos ámbitos del conocimiento. Esta
propiedad podría resumirse como sigue: a medida que estudio universos
https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona 4/10
 mayores, el tamaño de muestra que necesito cada vez representa un porcentaje
8/21/2020 El muestreo: qué es y por qué funciona

menor de dicho universo.

Este fenómeno lo explican de forma muy didáctica en Gaussianos.com, un
interesante blog dedicado a las matemáticas. Supongamos que queremos hacer
una encuesta para conocer un porcentaje (podría ser el de gente que fuma) con
un nivel de error determinado, por ejemplo, un margen de error del 5% y una
confianza del 95%. Si el universo a estudiar fuese de tan sólo 100 personas, mi
muestra tendría que ser de 79,5 individuos (es decir, 79,5% del universo, lo que
representa un parte muy importante del total del universo).  Si el universo fuese
de 1.000 personas, mi muestra debería ser de 277,7 personas (27,7% del universo).
Y si mi universo fuese de 100.000 personas, la muestra necesaria sería de 382,7
personas (3,83% del universo).
Por lo tanto, a medida que trabajo con universos más grandes, la muestra que
necesito debe ir creciendo pero de forma no proporcional, tiende a estancarse y
cada vez representa un porcentaje más pequeño del universo. A partir de cierto
tamaño de universo (en torno a 100.000 individuos), el tamaño de la muestra ya
no necesita crecer más. La siguiente tabla nos muestra algunos ejemplos:
 
Tamaño de muestranivel
necesaria para tener un
de confianza del 95% error del 5% con un
 
Universo Muestra
necesaria %
10 10 100%
100 80 80%
1.000 278 27,8%
10.000 370 3,7%
100.000 383 0,38%
https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona 5/10
 1.000.000 384 0,038%
8/21/2020 El muestreo: qué es y por qué funciona

10.000.000 385 0,004%

100.000.000 385 0,0004%
  
Los datos anteriores nos dicen que por grande que sea el universo, con 385
personas puedo estudiar cualquier dato con el mismo nivel de error (margen de
5%, confianza de 95%). Por esta razón el muestreo es tan poderoso: nos permite
hacer afirmaciones altamente precisas de una gran cantidad de individuos a
través de un parte muy pequeña de los mismo.
Como contrapartida, el ejemplo anterior ilustra que el muestreo no funciona bien
en universos pequeños. Si tengo una clase de 10 alumnos, la opinión de cada
uno de ellos es fundamental para conocer la opinión global, no puedo prescindir
de ninguno. Si no quiero superar el error que nos hemos propuesto, en un
universo de 10 individuos necesito encuestar a todos ellos.
 
Ventajas e inconvenientes del muestreo
Resumimos a continuación las principales ventajas e inconvenientes de usar
muestreo frente a estudiar todo un universo.
✔Ventajas ✘Inconvenientes

- Necesitamos estudiar menos - Introducimos error (controlado)

individuos, necesitamos menos en el resultado, debido a la propia
recursos (tiempo y dinero). naturaleza del muestreo y a la
- La manipulación de datos es necesidad de generalizar
mucho más simple. Si con una resultados.
muestra de 1.000 personas tengo
https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona 6/10
 suficiente, ¿para qué quiero - Tenemos el riesgo de introducir
8/21/2020 El muestreo: qué es y por qué funciona

analizar un fichero de mil ones de sesgos debido a una mala

registros? selección de la muestra. Por
ejemplo, si la forma en que
seleccionamos individuos para la
muestra no es aleatoria, los
resultados pueden verse
seriamente afectados.
 
Laalternati
muestra
vas ale atoria simple : definició n y
La técnica más simple de muestreo, a partir de la cual se desarrollan en resto de
técnicas, es el muestreo aleatorio simple. Una muestra aleatoria simple es
aquella en la que se seleccionan individuos del universo de forma totalmente
aleatoria. Esto implica que todos los individuos deben tener idéntica
probabilidad (no nula) de ser seleccionados para la muestra.
Pero una cosa es la teoría y otra la práctica. Sólo en entornos muy controlados es
posible hacer muestras aleatorias. Por otra parte, cuando tenemos universos
compuestos por grupos homogéneos (entre sí) de personas, podemos
aprovechar esta agrupación para mejorar la precisión de la muestra (o reducir el
tamaño de la misma).
En los próximos posts abordaremos qué tipos de muestreo existen, empezando
por las dos grandes familias de técnicas: el muestreo probabilístico y el no
probabilístico. ¡Os esperamos!
 
ÍNDICE: Serie Muestreo
.. ElMuestreo
muestreo:probabi
qué eslístiycporo o qué
no funcionalístico
probabi
.. Muestreo probabi l í sti co: muestreo al e atori o si mple
.. Muestreo
Muestreo probabi
probabi llíísstiticco:o: muestreo
muestreo estrati
si s ficado
temáti
Muestreo probabilístico: muestreo por conglomerados c o
https://www.netquest.com/blog/es/blog/es/muestreo-que-es-porque-funciona 7/10