Tarea Semana 2: Muestreo Probabilístico

Principales métodos y la importancia del muestreo probabilístico y su uso dentro del área de
la administración de empresas.
El muestreo probabilístico es un tipo de muestra estadística que se centra en analizar y estudiar
grupos específicos de una población estadística, utilizando la selección aleatoria. Su requisito
principal consiste en que todas las personas de la población estudiada cuenten con las mismas
oportunidades de selección. 
El muestreo probabilístico puede clasificarse en muestreo aleatorio simple, sistemático,
estratificado y muestreo por conglomerados. 
 Muestreo aleatorio simple
El muestreo aleatorio simple es uno de los métodos de selección más sencillos para una
muestra. Se basa en elegir, de forma aleatoria, a los individuos de la muestra a investigar.
Para ello, se le otorga un número a cada sujeto de la población y posteriormente, a modo
de sorteo, se seleccionan números de forma aleatoria para conformar la muestra.
Una de las mejores técnicas de muestreo probabilístico que ayuda a ahorrar tiempo y
recursos es el método de muestreo aleatorio simple. Es un método fiable de obtención de
información en el que cada uno de los miembros de una población se elige al azar,
simplemente por casualidad. Cada individuo tiene la misma probabilidad de ser elegido
para formar parte de una muestra.
1. Por ejemplo: para tomar una muestra de 10 escuelas, sobre una población de 200
escuelas que hay en el país, cada escuela obtiene un número al azar. Entonces, a modo
de sorteo, se seleccionan 10 números que conformarán dicha muestra.
2. Por ejemplo: en una organización de 500 empleados, si el equipo de recursos
humanos decide llevar a cabo actividades de creación de equipos, es muy probable
que prefieran escoger fichas de un tazón. En este caso, cada uno de los 500 empleados
tiene la misma oportunidad de ser seleccionado.
 Muestreo sistemático
El muestreo sistemático se lleva a cabo dividiendo la población en subgrupos, en forma
de lista, para seleccionar aleatoriamente un número. Luego, el número escogido será, en
cada grupo, el individuo que conforme la muestra. Los investigadores utilizan el método
 de muestreo sistemático para elegir los miembros de la muestra de una población a
intervalos regulares.
Para ello es necesario seleccionar un punto de partida para la muestra y un tamaño de
muestra que pueda repetirse a intervalos regulares. Este tipo de método de muestreo tiene
un alcance predefinido y, por lo tanto, esta técnica de muestreo es la que menos tiempo
consume.
1. Por ejemplo: tenemos una población de 10.000 personas y debemos conformar una
muestra de 100 individuos, por lo que se divide a la población en 200 grupos de 50.
Luego se selecciona un número al azar, por ejemplo, el 20, y así la muestra de 100
individuos se irá conformando por el individuo número 20 de cada grupo.
2. Por ejemplo: un investigador tiene la intención de recoger una muestra sistemática de
500 personas en una población de 5000. Numera cada elemento de la población de 1 a
5.000 y elegirá a cada 10 individuos para que formen parte de la muestra (Población
total/tamaño de la muestra = 5.000/500 = 10).
 Muestreo estratificado
En el muestreo estratificado, el investigador divide a la población en estratos o subgrupos
que, generalmente, comparten ciertas características. Luego, utilizando el método del
muestreo aleatorio simple, se elige un individuo de cada estrato para conformar la
muestra.
El muestreo aleatorio estratificado es un método en el que el investigador divide la
población en grupos más pequeños que no se superponen, sino que representan a toda la
población. Durante el muestreo, estos grupos pueden organizarse y luego extraer una
muestra de cada grupo por separado.
1. Por ejemplo: para realizar una investigación cuya población está conformada por
personas que trabajan en una empresa, el investigador divide dicha población en los
siguientes estratos:
 Hombre con media jornada.
 Hombre con jornada completa.
 Mujer con media jornada.
 Mujer con jornada completa.
 Aquí el investigador está dividiendo la población en 4 diferentes estratos, cuyos
integrantes comparten características.

2. Por ejemplo: un investigador que desee analizar las características de las personas
pertenecientes a diferentes divisiones de ingresos anuales creará estratos (grupos)
según los ingresos anuales de la familia. Por ejemplo, menos de 20.000 dólares,
21.000 a 30.000 dólares, 31.000 a 40.000 dólares, 41.000 a 50.000 dólares, etc. Con
esto, el investigador concluye las características de las personas que pertenecen a
diferentes grupos de ingresos. Los comercializadores pueden analizar a qué grupos de
ingresos dirigirse y a cuáles eliminar para obtener los resultados deseados.
 Muestreo por conglomerados
Este método es utilizado cuando no es viable, o es imposible, elaborar una lista exacta de
los elementos de una población. Para llevarlo a cabo, los detalles de dicha población ya
deben estar agrupados en poblaciones, es decir que las listas ya deben existir, o se pueden
crear.
También conocido como muestreo por racimos, es un método en el que los investigadores
dividen a toda la población en secciones o conglomerados que representan a una
población. Los grupos se identifican e incluyen en una muestra basada en parámetros
demográficos como la edad, el sexo, la ubicación, etc. Esto hace que sea muy sencillo
para el creador de la encuesta obtener una inferencia efectiva a partir de la
retroalimentación. (Hernández & Carpio, 2019)
1. Por ejemplo: un investigador decide realizar una investigación sobre México, pero
dividir en grupos a toda la población del país sería difícil e impráctico. Por lo tanto,
aprovecha y utiliza la separación natural por ciudades. Así, a partir de cada ciudad,
elige individuos de forma aleatoria para conformar la muestra.
2. Por ejemplo: si el gobierno de los Estados Unidos desea evaluar el número de
inmigrantes que viven en su territorio, puede dividirlos en grupos basados en estados
como California, Texas, Florida, Massachusetts, Colorado, Hawai, etc. Esta forma de
realizar una encuesta será más efectiva ya que los resultados se organizarán por
estados y proporcionarán datos de inmigración objetivos. (Mairett Rodríguez, 2019)
Usos del muestreo probabilístico
 Existen múltiples usos del muestreo probabilístico:
 Reducir el sesgo de la muestra: Mediante los métodos de muestreo probabilístico, el
sesgo de la muestra derivada de una población es insignificante o inexistente. El muestreo
probabilístico permite reunir datos de mayor calidad, ya que la muestra representa
adecuadamente a la población.
 Población diversa: Cuando la población es vasta y diversa, es esencial tener una
representación adecuada para que los datos no se desvíen hacia un solo grupo
demográfico.
 Crear una muestra precisa: El muestreo probabilístico ayuda a los investigadores a
planificar y crear una muestra precisa. Esto ayuda a obtener datos bien definidos.
Tipos de muestreo no probabilístico
El método no probabilístico es uno de los métodos de muestreo que implica una recopilación de
información basada en la capacidad de selección de muestras de un investigador o estadístico y
no en un proceso de selección fijo. En la mayoría de las situaciones, el resultado de una encuesta
realizada con una muestra no probabilística da lugar a resultados sesgados, que pueden no
representar la población objetivo-deseada. Pero hay situaciones, como las etapas preliminares de
la investigación o las limitaciones de costos para llevar a cabo la investigación, en las que el
muestreo no probabilístico será mucho más útil que el otro tipo. (Editorial Grudemi, 2020)
 Muestreo por conveniencia:
Este método depende de la facilidad de acceso a los sujetos como una encuesta a los
clientes en un centro comercial o a los transeúntes en una calle concurrida. Se suele
denominar muestreo por conveniencia, debido a la facilidad con que el investigador lo
realiza y se pone en contacto con los sujetos. Los investigadores casi no tienen autoridad
para seleccionar los elementos de la muestra, y se hace puramente en base a la
proximidad y no a la representatividad.
Esta clase de métodos de muestreo no probabilístico se utiliza cuando hay limitaciones de
tiempo y costo en la recogida de información. En situaciones en que hay limitaciones de
recursos, como las etapas iniciales de la investigación, se utiliza un muestreo de
conveniencia.
o Por ejemplo: las empresas de nueva creación y las ONG suelen llevar a cabo un
muestreo de conveniencia en un centro comercial para distribuir folletos de los
 próximos acontecimientos o de la promoción de una causa; lo hacen parándose a la
entrada del centro comercial y repartiendo folletos al azar.
 Muestreo deliberado, crítico o por juicio
Las muestras por juicio se forman a discreción del investigador. Los investigadores
consideran únicamente el propósito del estudio, junto con la comprensión del público
objetivo. 
o Por ejemplo: cuando los investigadores quieren entender el proceso de pensamiento
de las personas interesadas en estudiar para su maestría. Los criterios de selección
serán: “¿Está interesado en hacer su maestría en …?” y los que responden con un
“No” son excluidos de la muestra.
 Muestreo de bola de nieve
El muestreo de bola de nieve es uno de los métodos de muestreo que los investigadores
aplican cuando los sujetos son difíciles de rastrear. (Parra & Vázquez, 2017)
o Por ejemplo: será extremadamente difícil encuestar a personas sin refugio o
inmigrantes ilegales. En esos casos, utilizando la teoría de la bola de nieve, los
investigadores pueden rastrear unas pocas categorías para entrevistar y obtener
resultados. 
Los investigadores también aplican este método de muestreo en situaciones en que el
tema es muy delicado y no se discute abiertamente, por ejemplo, en las encuestas para
reunir información sobre el VIH y el SIDA. No muchas víctimas responderán
fácilmente a las preguntas. No obstante, los investigadores pueden ponerse en
contacto con personas que tal vez conozcan o con voluntarios asociados a la causa
para encontrar a las víctimas y reunir información.
 Muestreo por cuotas
La selección de los miembros en esta técnica de muestreo se realiza sobre la base de una
norma preestablecida. En este caso, como la muestra se forma sobre la base de atributos
específicos, la muestra creada tendrá las mismas cualidades que se encuentran en la
población total. Se trata de un método rápido de recolección de muestras.
Usos del muestreo no probabilístico
El muestreo no probabilístico se utiliza para lo siguiente:
 Crear una hipótesis: Los investigadores utilizan métodos de muestreo no probabilístico
para crear una hipótesis cuando se limita a no disponer de información previa. Este
método ayuda a la devolución inmediata de los datos y construye una base para futuras
investigaciones.
 Investigación exploratoria: Los investigadores utilizan ampliamente esta técnica de
muestreo cuando realizan investigaciones cualitativas, estudios piloto o investigaciones
exploratorias.
 Limitaciones de presupuesto y tiempo: Se utiliza cuando hay limitaciones de
presupuesto y tiempo, y se deben reunir algunos datos preliminares. Dado que el diseño
de la encuesta no es rígido, es más fácil elegir a los encuestados al azar y hacer que
tomen la encuesta o el cuestionario. (Otzen & Manterola, 2017)
Bibliografía
Editorial Grudemi. (Junio de 2020). enciclopediaeconomica.com. Obtenido de
https://enciclopediaeconomica.com/muestreo-probabilistico/

Hernández, C., & Carpio, N. (15 de Febrero de 2019). alerta.salud.gob.sv. Obtenido de

https://alerta.salud.gob.sv/wp-content/uploads/2019/04/Revista-ALERTA-An%CC%83o-
2019-Vol.-2-N-1-vf-75-79.pdf

Mairett Rodríguez, W. M. (Junio de 2019). scielo.org.mx. Obtenido de

http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-
77432019000200005#:~:text=Los%20m%C3%A9todos%20estad%C3%ADsticos%2C
%20en%20particular,Kleeberg%20y%20Ramos%2C%202009).

Otzen, T., & Manterola, C. (2017). scielo.conicyt.cl. Obtenido de

https://scielo.conicyt.cl/pdf/ijmorphol/v35n1/art37.pdf

Parra, L., & Vázquez, M. (2017). gestiopolis.com. Obtenido de https://www.gestiopolis.com/wp-

content/uploads/2017/02/muestreo-probabilistico-no-probabilistico-guadalupe.pdf