Formas y Métodos de muestreo

Muestreo: operación que consiste en obtener una proporción seleccionada (muestra) de

la población en estudio, de tal manera que sea representativa con respecto a las
propiedades que deseamos analizar dentro de los límites medibles de error.
– Establecer un procedimiento para la toma de la muestra.
– Representatividad: el valor de la propiedad medida no se diferencia del valor
poblacional. Lo opuesto es una muestra sesgada. • La muestra coincide con la
población. • Cada elemento que compone la muestra debe tener la misma probabilidad
de ser seleccionado: Equiprobabilidad.
– Evaluar el error cometido en el muestreo.
MUESTREO NO PROBABILISTICO:
• Si el propósito es obtener información sobre un fenómeno, individuos o eventos
(como suele ser el caso en el componente cualitativo de un estudio de métodos
mixtos), se debe seleccionar a propósito individuos, grupos y locaciones que
maximizan la comprensión del fenómeno subyacente

Sin embargo, no es sencillo cumplir con los requisitos propios de un muestreo

probabilístico:

1. Disponer de un marco muestral es algo relativamente poco habitual en estudios de

mercado. ¿Qué empresas pueden tener listados de toda población?

2. Lograr que todos los individuos de la población tengan una probabilidad no nula de
ser seleccionados es un requisito igualmente exigente, más aún conocer la probabilidad
de inclusión exacta de cada unidad muestral. Todos los individuos que no pueden ser
seleccionados en una muestra se suelen referir como unidades fuera de cobertura.

Por todas estas razones, así como por razones de coste, los investigadores recurren con
frecuencia a otras técnicas de muestreo, agrupadas dentro de lo que se conoce
como muestreo no probabilístico. En estas técnicas alternativas, es habitual
seleccionar elementos para la muestra basándose en hipótesis relativas a la población de
interés, lo que se conoce como criterios de selección. Por ejemplo, seleccionar una
muestra buscando individuos por la calle, tratando de que la mitad sean hombres y la
mitad mujeres (coincidiendo con la distribución que se supone en la población) sería un
criterio de muestreo no probabilístico.

En estos casos, debido a que la selección de las unidades de la muestra no es aleatoria,

cuando hablamos de muestreo no probabilístico no deberíamos incluir estimaciones de
error. Dicho de otra forma, una muestra no probabilística nos informa de cómo es un
universo, pero no nos permite saber con qué precisión: no podemos establecer unos
márgenes de error y unos niveles de confianza.

ERROR DE MUESTREO: En ninguno de estos casos se cumplen los criterios exigidos

por el muestreo probabilístico: tener un marco muestral con unidades para las que puedo
calcular la probabilidad de que sean seleccionadas en mi muestra. En encuestas cara a
cara por la calle no tengo el listado de individuos que componen el universo. En la
encuesta telefónica, aunque disponga de un listado telefónico, no todos los individuos
tienen un teléfono fijo o aparecen en las guías telefónicas públicas. En el caso de un
panel online, las personas que no acceden a internet no pueden ser seleccionadas y
tienen probabilidad de inclusión nula.

Ventajas Las principales ventajas del muestreo no probabilístico son las siguientes:

 Menos costos para realizar la investigación.

 Se pueden controlar las características de la muestra.

 Conlleva menos tiempo, ya que se conoce al individuo que formará parte de la

muestra.

 Se pueden conocer características poco comunes.

Desventajas Las principales desventajas del muestreo no probabilístico son las

siguientes:

 No asegura la representación total de la población.

 No generaliza y es subjetiva.

 No es recomendable en el caso de que la investigación sea causal o descriptiva.

Algunas técnicas de muestreo de este tipo son:

- Muestreo por conveniencia: Es una técnica comúnmente usada consistente en

seleccionar una muestra de la población por el hecho de que sea accesible. Es decir, los
individuos empleados en la investigación se seleccionan porque están fácilmente
disponibles y porque sabemos que pertenecen a la población de interés, no porque hayan
sido seleccionados mediante un criterio estadístico. Esta conveniencia, que se suele
traducir en una gran facilidad operativa y en bajos costes de muestreo, tiene como
consecuencia la imposibilidad de hacer afirmaciones generales con rigor estadístico
sobre la población.

Por ejemplo, supongamos que queremos conocer la opinión de los estudiantes

universitarios chilenos acerca de la política. Una muestra probabilística requeriría
acceder a un censo del total de estudiantes de todas las universidades chilenas con el fin
de seleccionar al azar un grupo de individuos y encuestarlos. Una muestra por
conveniencia podría consistir en dirigirnos a 3 universidades cercanas, simplemente
porque están en la población en la que reside el encuestador, y encuestar a unos cuantos
individuos que acepten participar al salir de las aulas por la mañana.

Las limitaciones de este tipo de muestreo son obvias. En el ejemplo anterior, podría
suceder que diferentes tipos de universidades correlacionen con estratos sociales y con
opiniones políticas. Es más, si seleccionamos estudiantes de 3 universidades concretas y
los encuestamos por la mañana, sus opiniones podrían ser diferentes de las de
estudiantes del turno de tarde (que tal vez trabajan al mismo tiempo que estudian).

¿Significa lo anterior que los resultados de una muestra por conveniencia son totalmente
irrelevantes, que no nos dicen nada de la población? No exactamente. Si tenemos
buenas razones para pensar que la selección por conveniencia no va a introducir sesgos
respecto al total de la población, los resultados que obtendremos pueden ser una buena
imagen del universo estudiado. El problema es que no sabremos exactamente cómo de
buena es esa imagen: no se pueden usar herramientas estadísticas como el margen de
error y el intervalo de confianza para medir la precisión de los resultados. Los lectores
del estudio tendrán que confiar en los criterios de la selección hecha por el investigador.

Ventajas e inconvenientes

Dadas las características de este tipo de muestreo, sus pros y sus contras son evidentes:

✔ La principal virtud del muestreo por conveniencia... ¡es su conveniencia! Simple,

económico, rápido... Nos puede dar información valiosa en muchas circunstancias,
especialmente cuando no existen razones fundamentales que diferencien a los
individuos que tengo accesibles de los que forman el total de la población.
✘ El principal defecto, la falta de representatividad, la imposibilidad de hacer
aseveraciones estadísticas sobre los resultados y el riesgo de incurrir en sesgos debido al
criterio de muestreo empleado. En el peor de los casos, una muestra conveniente puede
presentar un sesgo sistemático respecto al total de la población, lo que produciría
resultados distorsionados.

- Muestreo por cuotas:

1. Segmentación

En primer lugar, dividimos la población objeto de estudio en grupos de forma

exhaustiva (todos los individuos están en un grupo) y mutuamente exclusiva (un
individuo sólo puede estar en un grupo), de forma similar a la división en estratos
empleada en el muestreo estratificado. Normalmente esta segmentación se hace
empleando alguna variable sociodemográfica como sexo, edad, región o clase social. Te
explicamos un poco más abajo los criterios que deberías seguir para escoger qué
variables usas para segmentar y fijar cuotas.

2. Fijamos el tamaño de las cuotas

A continuación, fijamos el objetivo de individuos a encuestar para cada uno de estos

grupos. Normalmente definiremos estos objetivos de forma proporcional al tamaño del
grupo en la población. Por ejemplo, si hemos definido unos segmentos por sexo en una
población en la que hay un 60% de mujeres y un 40% de hombres, y queremos obtener
una muestra de 1.000 personas, definiremos un objetivo de 600 mujeres y 400 hombres.
Estos objetivos se conocen como cuotas. En este ejemplo, tendríamos una cuota por
sexo de 600 mujeres y 400 hombres. En ocasiones se definen cuotas no proporcionales a
la población, por ejemplo, para poder profundizar en el análisis de un grupo específico.

3. Selección de participantes y comprobación de cuotas

Por último, buscamos participantes para cubrir cada una de las cuotas definidas. En este
punto es donde nos alejamos de un muestreo probabilístico. En el muestreo por cuotas
aceptamos que la selección de individuos no sea aleatoria, puede ser una selección
mediante muestreo por conveniencia. Por ejemplo, en un estudio en el que hayamos
definido una cuota de 100 personas menores de 25 años y 100 personas de 25 o más
años, podríamos salir a la calle y abordar a las personas que encontramos a nuestro
paso, preguntarles su edad y encuestarlas si no hemos cubierto nuestro objetivo.

la diferencia entre el muestreo estratificado y el muestreo por cuotas está en la forma en

que se seleccionan los participantes. En el muestreo estratificado disponemos de una
lista completa de los individuos que forman el universo (es decir, los posibles
entrevistados), todos ellos con una cierta probabilidad conocida de ser seleccionados.
En el muestreo por cuotas no. Vamos obteniendo candidatos a formar parte de la
muestra de forma no aleatoria y vamos comprobando antes de entrevistar si son válidos
para el estudio (es decir, si pueden formar parte de una de las cuotas definidas o ya
hemos excedido el objetivo).

- Muestreo por bola de nieve:

- Muestreo secuencial:

- Muestreo discrecional.

MUESTREO PROBABILISTICO:
Es requisito que todos y c/u de los elementos de la población tengan la misma
probabilidad de ser seleccionados (azar) Se debe tener disponible un listado completo de
todos los elementos de la población, a esto se le llama MARCO DE MUESTREO.
Hablaremos de muestro probabilístico siempre que se cumplan dos condiciones:
1. Todos los elementos de la población tienen una probabilidad mayor a cero de ser
seleccionados en la muestra.
2. La probabilidad de inclusión de cada elemento en la muestra se conoce de forma
precisa.

El cumplimiento de ambos criterios es el que hace posible obtener resultados no

sesgados cuando se estudia la muestra y determinar el grado de incertidumbre que añade
el proceso de muestreo. En ocasiones, estos resultados no sesgados requieren usar
técnicas de ponderación (weighting), pero esta ponderación es posible precisamente
porque se conoce la probabilidad de que cada individuo sea seleccionado en la muestra.
Las muestras generadas en estas condiciones se conocen también como muestras
probabilísticas.
La definición anterior nos lleva a concluir que sólo podemos hacer muestreo
probabilístico si se dispone de un marco muestral. El censo de un país, el conjunto de
direcciones de hogares en una población o la lista de clientes de una empresa, son
ejemplos de marcos muestrales que hacen posible un muestreo probabilístico. En cada
uno de estos casos, el universo a estudiar es diferente: habitantes de un país, hogares de
una población y clientes de una empresa, respectivamente.
Una tenemos un marco muestral, la forma exacta en que se utiliza para seleccionar la
muestra define las diferentes técnicas de muestreo probabilístico:
muestreo aleatorio simple:
Cuando no se conoce el Cuando se conoce el
tamaño de la Población tamaño de la población
z 2 pq z 2 pqN
n= 2 n= 2 2
E NE + z pq

muestreo sistemático
N
K=
n
muestreo estratificado

Se quiere estudiar sobre las áreas de una empresa de lavado de autos,

muestreo por conglomerados