UNIVERSIDAD VERACRUZANA

FACULTAD DE CIENCIAS QUIMICAS

Orizaba Veracruz.

ENSAYO
MUESTREO

EXPERIENCIA EDUCATIVA
Estadística para ingeniería
DRA:
IALI 501

Equipo:
Anahi Parra Galicia

1. Muestreo probabilístico
El muestreo probabilístico es un método de muestreo (muestreo se refiere al estudio
o el análisis de grupos pequeños de una población) que utiliza formas de métodos
de selección aleatoria. (QuestionPro, 2022)
El requisito más importante del muestreo probabilístico es que todos en una
población tengan la misma oportunidad de ser seleccionados. (QuestionPro, 2022)
Este método utiliza la teoría estadística para seleccionar al azar un pequeño grupo
de personas (muestra) de una gran población existente y luego predecir que todas
las respuestas juntas coincidirán con la población en general. (QuestionPro, 2022)
1.1.1 Muestreo aleatorio simple
Las encuestas por muestreo consisten en extraer de una población finita de N
unidades, subpoblaciones de un tamaño fijado de antemano. Si todas las unidades
son indistinguibles, el número de muestras de tamaño n viene dado por:(López,
2002)

El muestreo aleatorio simple es un método de selección de n unidades sacadas de

N, de tal manera que cada una de las muestras tiene la misma probabilidad de ser
elegida. (López, 2002)
En la práctica una muestra aleatoria simple es extraída de la siguiente forma:
(López, 2002)
Se numeran las unidades de la población del 1 al N, y por medio de una tabla de
números aleatorios o colocando los números 1 a N en una urna, se extraen
sucesivamente n números. Las unidades que llevan estos números constituyen la
muestra. (López, 2002)
El método elegido debe de verificar que en cualquier fase de la obtención de la
muestra cada individuo que no ha sido sacado previamente, tiene la misma
probabilidad de ser elegido. (López, 2002)
Es fácil ver que cada una de las NCn muestras tiene igual posibilidad de obtenerse.
(López, 2002)
Cuando un número ha sido sacado de la urna, éste no es reemplazado, ya que esto
daría lugar a que la misma unidad entrara en la muestra más de una vez. Por esta
razón el muestreo es descrito como sin reemplazo. El muestreo con reemplazo, es
totalmente factible, aunque rara vez es usado, ya que no se ve la conveniencia de
tener el mismo individuo dos veces en la misma muestra. (López, 2002)
Por ejemplo, si la población contiene 5 unidades A, B, C, D, E; existen 10 muestras
diferentes de tamaño 3, que son: (López, 2002)
ABC, ABD, ABE, ACD, ACE
ADE, BCD, BCE, BDE. CDE
Debe notarse que la misma letra no ocurre dos veces en la misma muestra; y,
también, que el orden de los elementos no tiene importancia, las seis muestras
ABC, ACB, BAC, BCA, CAB, CBA son consideradas como iguales. (López, 2002)
1.1.2 El muestreo estratificado
El muestreo estratificado es uno de los tipos de muestreo probabilístico del que
podemos hacer uso. Te invito a que sigas leyendo para conocer más de sus
debilidades y fortalezas. (QuestionPro, 2022)
El muestreo estratificado es un procedimiento de muestreo en el que el objetivo de
la población se separa en segmentos exclusivos, homogéneos (estratos), y luego
una muestra aleatoria simple se selecciona de cada segmento (estrato).
(QuestionPro, 2022)
Las muestras seleccionadas de los diversos estratos se combinan en una sola
muestra. Este procedimiento de muestreo se refiere a veces como” muestreo de
cuota aleatorio”. (QuestionPro, 2022)
Hay ocho pasos principales en la selección de una muestra aleatoria estratificada:
Define la población objetivo. (QuestionPro, 2022)

Identifica la variable o variables de estratificación (n) y determinar el número de

estratos (nh) a usarse (h = 1,2, …, L). 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. (QuestionPro, 2022)

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. (QuestionPro, 2022)
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. (QuestionPro, 2022)
Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva,
múltiple, y la agrupación, y haz los ajustes cuando sea necesario. (QuestionPro,
2022)
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. (QuestionPro, 2022)

Asigna un número único a cada elemento.

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. (QuestionPro,
2022)

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.
(QuestionPro, 2022)
Un ejemplo de dicho muestreo sería el siguiente:
Imaginemos que un grupo de especialistas en producción animal está interesado en
obtener una muestra estratificada de 400 vacas a partir de un rebaño de 2000 vacas
de diferentes razas.
El objetivo del estudio es analizar la producción de leche del rebaño
Al permanecer todos los demás factores constantes: los mismos potreros, igual
alimentación, condiciones climáticas, manejo del rebaño, etc.
Los investigadores consideran la raza del animal como único factor que puede
afectar la producción de leche de cada animal.
Se consideran 4 estratos en la población: vacas Holstein, pardo suizo, mestizas y
criollas

Raza Proporción (%) Nro. De vacas

Holstein 20 400

Pardo suizo 20 400

Mestizo 50 1000

Criollo 10 200

Total 100 2000

La advertencia con este estudio es que los investigadores solo tienen recursos
suficientes (tiempo y dinero) para manejar una muestra de 400 animales.

Por lo tanto, la muestra debe representar con precisión la población más grande de
todas las 2000 vacas en la hacienda.

En este caso, realizar un muestreo estratificado es la mejor opción para implementar

en este estudio de investigación específico.

Entonces… ¿cuántas vacas de cada raza deben incluirse en la muestra de 400?

Para determinar esto, los investigadores simplemente tomarían de las 400 vacas
Holstein en la población, una muestra aleatoria simple de 80 animales de esa raza
De las 400 vacas Pardo suizo en la población, también por azar simple otros 80
animales

A partir de las 1000 vacas mestizas, seleccionarían aleatoriamente 200 vacas

Y desde las 100 vacas criollas, escogerían 40 animales

Reuniendo las muestras parciales anteriores, se conforma al final la muestra

estratificada definitiva

Raza Proporción (%) Nro. De

vacas

Holstein 20 80

Pardo suizo 20 80

Mestizo 50 200

Criollo 10 40

Total 100 400

El muestreo estratificado proporcional

Hay dos subtipos principales de muestreo estratificado: el proporcional y el
muestreo desproporcionado. En 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. (QuestionPro, 2022)
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 auto ponderada. Este procedimiento de muestreo se utiliza cuando el
propósito de la investigación es estimar los parámetros poblacionales. (QuestionPro,
2022)
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. (QuestionPro, 2022)
Por otra parte, los estratos tienen diferentes fracciones de muestreo, y como tal,
este procedimiento de muestreo no es una selección equiprobable. Con el fin de
estimar los parámetros de población, la composición poblacional debe utilizarse
para compensar la desproporción en la muestra. Sin embargo, para algunos
proyectos de investigación el muestreo estratificado desproporcionado puede ser
más apropiado que el proporcional. (QuestionPro, 2022)
El muestreo desproporcionado puede ser dividido en tres subtipos con base a los
propósitos de nuestra asignación, que por ejemplo podrían ser el facilitar el análisis
dentro de los estratos o centrarse en la optimización de los costos, de la precisión o
la optimización de ambos: precisión y costos. (QuestionPro, 2022)
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. (QuestionPro, 2022)
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. Tal sobremuestreo crearía una distribución
desproporcionada de los estratos de la muestra cuando se compara a la población.
Sin embargo, puede haber un número suficiente de casos para llevar a cabo el
análisis de los estratos requerido por los objetivos del estudio. (QuestionPro, 2022)
1.1.3. Muestreo por conglomerados
El muestreo por conglomerados nos ayuda cuando es imposible o poco práctico
crear un marco de muestreo de una población objetivo debido a que está muy
dispersa geográficamente y el costo de la recopilación de datos es relativamente
alto.
El muestreo por conglomerados, también conocido como muestreo por racimos, es
un procedimiento de muestreo probabilístico en que los elementos de la población
son seleccionados al azar en forma natural por agrupaciones (clústers). Los
elementos del muestreo se seleccionan de la población de manera individual, uno a
la vez.  
Las unidades de muestreo o grupos pueden ser espaciados, tal como ocurre
naturalmente en las unidades geográficas o físicas (por ejemplo: estados,
delegaciones o distritos); en base a una organización como escuelas, grado escolar;
o servicio telefónico tales como códigos de área o el cambio de las claves lada de
los números de teléfono.
La heterogeneidad del grupo es fundamental para un buen diseño del muestreo por
conglomerados. Por otra parte, los elementos dentro de cada grupo deben ser tan
heterogéneos como la población objetivo.
PASOS PARA SELECCIONAR UN MUESTREO POR CONGLOMERADOS
1. Definir la población objetivo.
2. Determinar el tamaño de la muestra deseada.
3. Identificar un marco de muestreo existente o desarrollar un nuevo marco de
muestreo de grupos de la población objetivo.
4. Evaluar el marco de muestreo para la falta de cobertura, cobertura excesiva,
múltiple cobertura, y la agrupación, y hacer los ajustes cuando sea necesario.
Idealmente, los grupos serían tan heterogéneos como la población,
mutuamente excluyentes, y colectivamente exhaustivos. La duplicación de
elementos de la muestra puede aparecer si elementos de la población
pertenecen a más de un grupo. La omisión dará lugar a un sesgo de
cobertura.
5. Determinar el número de grupos que se seleccione. Esto se puede hacer
dividiendo el tamaño de la muestra por el número promedio estimado de
elementos de la población en cada grupo. En la medida en que la
homogeneidad y la heterogeneidad de los grupos sean diferentes a la de la
población, el número del grupo aumenta e incrementa la precisión. Por otra
parte, si las diferencias aumentan, la precisión disminuye.
6. Seleccionar al azar el número previsto de las agrupaciones.
SUBTIPOS DE MUESTREO POR CONGLOMERADOS
Dos grandes dimensiones se utilizan para clasificar los diferentes tipos de muestreo
por conglomerados. Una se basa en el número de etapas en el diseño de la
muestra, y el otro en la representación proporcional de los grupos en la muestra
total.
Subtipo basado en el número de etapas:
A menudo, el muestreo por conglomerados se lleva a cabo en más de una “etapa”.
Una etapa es un paso dentro del proceso de muestreo en el que se toma una
muestra. Considerando el número de etapas en el diseño, hay tres subtipos
principales de este muestreo: de una sola etapa, de dos etapas, y el muestreo de
etapas múltiples.
Muestreo por conglomerados de una etapa.
El muestreo se hace una sola vez. Un ejemplo sería, digamos que estamos
interesados en el estudio de personas sin hogar que viven en refugios.
Si hay cinco refugios en una ciudad, un investigador seleccionará al azar a uno de
los refugios y luego incluirá en el estudio a todas las personas sin hogar que residen
en el refugio seleccionado. Un investigador de mercado podría optar por utilizar un
diseño de muestreo por conglomerado de una sola etapa.
Digamos que un investigador está interesado en la prueba de comercialización de
un producto. El investigador puede seleccionar al azar códigos postales; enviar
muestras del producto junto con un cuestionario de evaluación a cada dirección
dentro del grupo seleccionado.
Muestreo por conglomerados en dos etapas. 
El diseño incluye todos los pasos del diseño de un muestreo por conglomerados,
con una excepción del último paso. En lugar de incluir todos los elementos de los
grupos seleccionados de la muestra, una muestra aleatoria (ya sea una muestra
aleatoria simple, muestra estratificada o muestra sistemática) se toman los
elementos de cada grupo seleccionado.
El muestreo por conglomerados de una etapa se refiere a veces como un
submuestreo. En general, a menos que el grupo sea homogéneo, un diseño de
muestra de conglomerados en dos etapas es mejor que uno de una sola etapa.
Muestreo por conglomerados de etapas múltiples.
Las encuestas de grandes áreas geográficas requieren un diseño de la muestra
algo más complicado que los descritos hasta este punto. Por lo general, se debe
utilizar un diseño de etapas múltiples, que consiste en la repetición de dos pasos
básicos: listado y toma de muestras.
Típicamente, en cada etapa, los grupos se hacen progresivamente más pequeños
en tamaño; y en la última etapa se utiliza el elemento de muestreo. Los
procedimientos de muestreo (aleatorio simple, estratificado, o el sistemático) pueden
ser diferentes en cada etapa.
1.1.4. Muestreo sistemático
El muestreo sistemático es un tipo de muestreo probabilístico donde se hace una
selección aleatoria del primer elemento para la muestra, y luego se seleccionan los
elementos posteriores utilizando intervalos fijos o sistemáticos hasta alcanzar
el tamaño de la muestra deseado.
Pasos para la selección de un muestreo sistemático
Definir la población objetivo.
Determinar el tamaño deseado de la muestra (n).
Identificar el marco muestreo existente o desarrollar un marco de muestreo de la
población objetivo.
Evaluar el marco muestral por falta de cobertura, cobertura excesiva, múltiple

cobertura, agrupación, periodicidad, y hacer los ajustes cuando sea necesario.

Idealmente, la lista estará en un orden aleatorio con respecto al estudio variable o,
mejor aún, ordenados en función de la variable de interés o su correlación, creando
así estratificación implícita.
Determinar el número de elementos en el marco de la muestra (N).
Calcular el intervalo de muestreo (i) dividiendo el número de elementos en el marco
de muestreo (N) por el tamaño de la muestra específica (n). Uno debería ignorar el
resto y redondear o terminar en el número entero más próximo. El redondeo hacia
abajo y truncando puede hacer que el tamaño de la muestra sea más grande de lo
deseado. Si es así, se puede eliminar de forma aleatoria las selecciones
adicionales. Si no se conoce el tamaño exacto, o es poco práctico determinar, se
puede fijar una fracción de muestreo.
Seleccionar al azar un número, r, de “1”  mediante i.
Selecciona para la muestra, r, r + i, r + 2i, r ,+3i, y así sucesivamente, hasta agotar
el marco.
A nivel técnico, el muestreo sistemático no crea una muestra verdaderamente
aleatoria. Sólo la selección del primer elemento de muestreo sistemático es una
selección de probabilidad. Una vez que el primer elemento es seleccionado, algunos
de los elementos tendrán una probabilidad cero de selección.
Además, cierta combinación de elementos, como los elementos que son adyacentes
entre sí en el marco de muestreo, pueden no ser seleccionados. Muestreos
sistemáticos repetidos pueden utilizarse para abordar este problema.
Por ejemplo, supongamos que necesitamos extraer una muestra de 10 personas a
partir de una población total de 100 y el primer individuo seleccionado para la
muestra es el número 3. A partir de este, mediante un intervalo de 4 decidido por el
investigador, se seleccionarán los próximos individuos hasta completar la muestra,
de manera que serán los números 7, 11, 15, etc.
Supongamos que poseemos una población de 1000 individuos y necesitamos
obtener una muestra de 100 de ellos. Para ello, dividiremos en primer lugar el total
de la población en 100 fragmentos aleatorios de 10 individuos. Luego,
seleccionaremos un número al azar entre el 1 y 10.
Si el número obtenido al azar es el 6, a partir del individuo número 6 de la población
se definirá nuestra muestra. Es decir que a partir de él se irán completando
intervalos de 10, es decir: 6, 16, 26, 36, 46 hasta el 996.
De esta manera quedará conformada la muestra de 100 individuos a través del
muestreo sistemático.
Ventajas y desventajas del muestreo sistemático
El muestreo sistemático presenta tanto ventajas como desventajas al momento de
implementarlo.
Ventajas
Sus principales beneficios son los siguientes:
 Permite obtener buenas propiedades de representatividad.
 Es un sistema muy rápido y simple, ya que evita la necesidad de generar
números aleatorios de individuos en la muestra.
 Garantiza una selección perfectamente equitativa de la población, lo que
resulta muy útil en la distinción de grupos.
 Evita la necesidad de usar diferentes estratos, aunque existe variedad de
individuos en cada fragmento.
Desventajas
Existe tan solo una desventaja o inconveniente al utilizar esta técnica: el orden en el
que se coloca a la población seleccionada puede llegar a tener un tipo de
periodicidad oculta, la cual puede coincidir con el intervalo seleccionado,
ocasionando una muestra sesgada.
2. MUESTREO NO PROBABILISTICO
El muestreo no probabilístico es una técnica de muestreo en la cual el investigador
selecciona muestras basadas en un juicio subjetivo en lugar de hacer la selección al
azar.
A diferencia en el muestreo probabilístico, donde cada miembro de la población
tiene una posibilidad conocida de ser seleccionado, en el muestreo no probabilístico,
no todos los miembros de la población tienen la oportunidad de participar en el
estudio(Ortega, 2022)
El muestreo no probabilístico es más útil para estudios exploratorios como
la encuesta piloto (una encuesta que se implementa en una muestra más pequeña,
en comparación con el tamaño de muestra predeterminado).
El muestreo no probabilístico se utiliza donde no es posible extraer un muestreo de
probabilidad aleatorio debido a consideraciones de tiempo o costo. (Muestreo no
probabilístico, s. f.)
El muestreo no probabilístico es un método menos estricto, este método de
muestreo depende en gran medida de la experiencia de los investigadores. El
muestreo no probabilístico comúnmente se lleva a cabo mediante métodos de
observación, y se utiliza ampliamente en la investigación cualitativa. (Ortega, 2022)

¿Cuándo usar el muestreo no probabilístico?

 Este tipo de muestreo se usa para indicar si existe un rasgo o característica
particular en una población.
 Esta técnica de muestreo es ampliamente utilizada cuando los investigadores
realizan investigaciones cualitativas, estudios piloto o investigación
exploratoria.
 El muestreo no probabilístico se usa cuando los investigadores tienen un
tiempo limitado para llevar a cabo la investigación o tienen limitaciones
presupuestarias.
 El muestreo no probabilístico se realiza para observar si un tema en particular
necesita un análisis en profundidad. (Muestreo no probabilístico, s. f.)

Ventajas del muestreo no probabilístico

 El muestreo no probabilístico es un método práctico para los investigadores
que implementan encuestas en el mundo real. Aunque claro, cabe mencionar
que los estadistas prefieren el muestreo probabilístico porque arroja datos en
forma de números. Pero la realidad es que si se hace correctamente, el
muestreo no probabilístico puede arrojar resultados similares, si no es que de
la misma calidad.
 Obtener respuestas utilizando el muestreo no probabilístico es más rápido y
más rentable en comparación al muestreo probabilístico ya que el
 investigador conoce la muestra. Comúnmente los participantes están
motivados para responder rápidamente en comparación con las personas
que se seleccionan al azar. (Software DELSOL, 2022)
Desventajas del muestreo no probabilístico
 En el muestreo no probabilístico, el investigador necesita pensar las posibles
razones de los sesgos. Es importante tener una muestra que represente de
cerca a la población. Conoce qué es una Muestra Representativa de la
Población Nacional.
 Al elegir una muestra en un muestreo no probabilístico, los investigadores
deben tener cuidado con los reclutas que puedan distorsionar los datos. Al
final del día, la investigación se lleva a cabo para obtener información valiosa
y datos útiles. (Software DELSOL, 2022)
 Ejemplo
Se busca realizar un estudio sobre jóvenes universitarios de Italia. Los
investigadores eligen cuatro universidades del país, de distintas ciudades, y en ellas
seleccionan a estudiantes interesados en participar de la investigación.
En este caso, es un muestreo no probabilístico porque no se está considerando a
toda la población universitaria italiana, aunque este sea el público objetivo de
análisis.
2.1.1.    Muestreo por conveniencia
El muestreo por conveniencia es una técnica de muestreo no probabilística donde
las muestras de la población se seleccionan solo porque están convenientemente
disponibles para el investigador. Estas muestras se seleccionan solo porque son
fáciles de reclutar y porque el investigador no consideró seleccionar una muestra
que represente a toda la población.
Idealmente, en la investigación, es bueno analizar muestras que representen a la
población. Pero, en algunas investigaciones, la población es demasiado grande para
evaluar y considerar a toda la población.
Esta es una de las razones por las que los investigadores confían en el muestreo
por conveniencia, que es la técnica de muestreo no probabilística más común,
debido a su velocidad, costo-efectividad y facilidad de disponibilidad de la
muestra(Ochoa, 2020)
¿Cuándo se utiliza el muestreo por conveniencia?
El ejemplo más básico de donde se utiliza el método de muestreo de conveniencia
es cuando las empresas detienen a las personas en un centro comercial o en una
calle concurrida para distribuir sus folletos promocionales y hacer preguntas.
Las empresas utilizan el método de muestreo por conveniencia para recopilar
información sobre problemas críticos que deben abordarse casi de inmediato, o
cuando una marca está recopilando información sobre una característica o producto
en particular recién lanzado.
Durante las etapas iniciales de una investigación, los investigadores suelen preferir
utilizar el muestreo por conveniencia ya que con este método es más rápido y fácil
obtener resultados. (Ochoa, 2020)
Incluso aunque muchos evitan implementar esta técnica, el muestreo por
conveniencia es clave en situaciones en las que un investigador pretende obtener
información en un lapso de tiempo más corto y sin invertir demasiado dinero.
Ventajas del muestreo por conveniencia
 Método rápido para recopilar datos: Las reglas para reunir elementos o
participantes para la muestra son menos complicados en comparación con
otros métodos de investigación, como por ejemplo el muestreo aleatorio
simple, el muestreo estratificado o el muestreo sistemático. Debido a la
simplicidad de este tipo de muestreo, la recopilación de datos suele tomar un
tiempo mínimo. (Muestreo por conveniencia, s. f.)
 Económico al momento de crear muestras: El dinero y el tiempo invertido en
otros métodos de muestreo de probabilidad suelen ser mucho más altos en
comparación con el muestreo por conveniencia. Esto permite a los
investigadores a crear muestras con menos o incluso con ninguna inversión
en un breve periodo de tiempo. (Muestreo por conveniencia, s. f.)
 Muestra fácilmente recolectada: Los investigadores pueden acceder
fácilmente a los elementos y, por lo tanto, es fácil recopilar miembros para la
muestra.
 Menos reglas: a diferencia de las técnicas de muestreo probabilístico, el
muestreo por conveniencia no requiere pasar por una lista de verificación
para poderle dar acceso a los miembros o a una población a ser parte de la
muestra. En el caso de este método de muestreo, la recopilación de
información y de datos críticos es mucho más simple. (Muestreo por
conveniencia, s. f.)
Un ejemplo de uso de muestreo por conveniencia puede ser este: Imagina que
los voluntarios de la ONG necesitan realizar encuestas a mujeres, pero no tienen
acceso a muchas, pero necesitan obtener los resultados lo más rápido posible, lo
que los voluntarios pueden hacer es ir a escuelas, universidades, oficinas, etc., y
hablar con las mujeres que estén presentes sin tener una lista en la mano.
2.1.2. Muestreo por cuotas
El muestreo por cuotas hace parte del muestreo representativo y no probabilístico.
Esto significa que, a diferencia del muestreo aleatorio, está sujeto a una selección
deliberada. Se desarrolló en los Estados Unidos y se ha utilizado en la investigación
de mercado en Alemania desde finales de la década de 1940. El muestreo por
cuotas es muy popular en los estudios de mercado porque tiene en cuenta la
composición sociodemográfica de la población estudiada. A continuación,
explicamos cómo se utiliza este método y qué ventajas tiene.
El muestreo por cuotas es una muestra sistemática especial que no se selecciona al
azar. En cambio, ciertas cuotas influyen en la selección de los participantes de la
muestra. Estas cuotas reflejan las características sociodemográficas del público
objetivo como, por ejemplo:
 Distribución regional
 Edad
 Género
 Ocupación
Por ejemplo, si el 70 por ciento de los clientes son mujeres, la muestra también
debería ser del 70 por ciento de mujeres. Esto permite obtener resultados más
significativos, ya que la muestra corresponde a las proporciones de la población
básica. Por lo tanto, el muestreo por cuotas se utiliza principalmente cuando se
debe reunir información sobre una población objetivo-específica y definible.
La ventaja del muestreo por cuotas radica principalmente en la elevada tasa de tasa
de respuesta. Esto se refiere a la proporción de participantes de la muestra
seleccionada con respecto a los candidatos realmente entrevistados y alcanzados.
Las muestras pueden tener una alta tasa de respuesta porque los entrevistados que
abandonan pueden ser reemplazados por gemelos estadísticos. Se trata de
individuos que tienen exactamente las mismas características de cuota.
Por lo tanto, el muestreo por cuotas produce una representación fiable y
estructuralmente idéntica de la población. Esto no es posible con el muestreo
aleatorio, por lo que la sobrerrepresentación o la subrepresentación de ciertos
grupos debe resolverse mediante diferentes ponderaciones. (Muestreo por cuotas:
método y ventajas, 2022)
Paso 1
Segmentar la población total en estratos o grupos con alguna característica común.
Dicha característica será decidida previamente por el investigador estadístico que
conduce el estudio.
Paso 2
Determinar qué porcentaje respecto a la población total representa cada uno de los
estratos o grupos elegidos en el paso anterior.
Paso 3
Estimar un tamaño de muestra estadísticamente significativo, de acuerdo a los
criterios y metodologías propios de la ciencia estadística.
Paso 4
Calcular el número de elementos o cuotas por cada estrato, de modo que sean
proporcionales al porcentaje que representa cada uno de ellos respecto de la
población total y del tamaño total de la muestra.
Paso 5
Tomar la data de los elementos en cada estrato hasta completar la cuota
correspondiente a cada estrato. (Zapata, 2019).
Ejemplo:
Supongamos que se desea conocer el nivel de satisfacción con respecto al servicio
de metro en una ciudad. Estudios previos sobre una población de 2000 personas
determinaron que el 50% de los usuarios son jóvenes entre 16 y 21 años, el 40%
son adultos entre 21 y 55 años y solo un 10% de los usuarios son mayores de más
de 55 años.
Aprovechando los resultados de este estudio se segmenta o estratifica de acuerdo a
la edad de los usuarios:
-Jóvenes: 50%
-Adultos: 40%
-Mayores: 10%
Como se dispone de un presupuesto limitado, el estudio ha de aplicarse a una
muestra pequeña, pero que sea estadísticamente significativa. Se elige un tamaño
de muestra de 200, es decir la encuesta sobre nivel de satisfacción se aplicará a
200 personas en total.
Falta ahora determinar la cuota o número de encuestas por cada segmento o
estrato, el cual debe ser proporcional al tamaño de la muestra y al porcentaje por
estrato.
Cuota por estrato
La cuota de número de encuestas por estrato queda así:
Jóvenes: 200 * 50% = 200 * (50/100) = 100 encuestas
Adultos: 200 * 40% = 200 * (40/100) = 80 encuestas
Mayores: 200 * 10% = 200 * (10/100) = 20 encuestas

Figura 2. Cuotas en una muestra de 200 individuos según el estrato edad. Fuente:
F. Zapata.
Note que la suma de las cuotas tiene que ser igual al tamaño de la muestra, es decir
igual al número total de encuestas que se aplicarán. Luego se pasan las encuestas
hasta cumplir las cuotas por cada estrato.
Es importante destacar que este método es mucho mejor que tomar todas las
encuestas y pasarlas a las primeras 200 personas que aparezcan, porque de
acuerdo a los datos previos, es muy probable que el estrato minoritario quede fuera
del estudio.
Ventajas
Las ventajas del muestreo por cuotas son las siguientes:
 Es un proceso de muestreo sencillo y rápido, ya que utiliza la participación
de una cuota para la creación de las muestras.
 La interpretación de la información es mucho más fácil para el
investigador.
 Otorga una representación efectiva de la población a investigar.
 No permite la sobrerrepresentación, ya que estudia a la población por
cuotas específicas.
 No es necesario un presupuesto elevado para realizar este tipo de
muestreo. (Editorial Grudemi, 2020)
Desventajas
Las desventajas del muestreo por cuotas son las siguientes:
 Puede haber dificultad al reducir un error encontrado durante este
muestreo.
 El no incluir una cuota que sea relevante para el estudio, podría ocasionar
que los resultados se distorsionen. (Editorial Grudemi, 2020)
2.1.3. Muestreo accidental o bola de nieve
El método de muestreo de bola de nieve (o muestreo por referidos) es un método de
muestreo no probabilístico. El muestreo se realiza sobre poblaciones en las que no
se conoce a sus individuos o es muy difícil acceder a ellos. Podrían ser los casos de
sectas secretas, indigentes, grupos minoritarios, etc.
Se llama muestreo de bola de nieve porque cada sujeto estudiado propone a otros,
produciendo un efecto acumulativo parecido al de la bola de nieve. (Serra, 2020)
La bola de nieve se usa con frecuencia para acceder a poblaciones de baja
incidencia y a individuos de difícil acceso por parte del investigador. En
proyectos en los que se quiere estudiar a un colectivo muy específico (por ejemplo,
personas aficionadas al coleccionismo de monedas), puede resultar mucho más
efectivo obtener una muestra a través de conocidos y amigos de los propios
coleccionistas que, mediante una selección puramente aleatoria, en la que una gran
cantidad de individuos candidatos a participar serían descartados. Supuestamente,
es muy probable que un coleccionista de monedas conozca a otros coleccionistas
de monedas, lo que hace de esta técnica una forma efectiva de muestrear un
colectivo que de otra manera resultaría de difícil acceso para el investigador.
Por lo tanto, la bola de nieve funciona especialmente bien cuando el rasgo
distintivo de la población que queremos estudiar tiende a agrupar a dichos
individuos, a favorecer su contacto social. Es algo más habitual de lo que podría
parecer a simple vista. Es obvio que coleccionistas, practicantes de un deporte o
aficionados a un tipo de música pueden cumplir con esta propiedad. Pero también
aplica a otros colectivos como pacientes de una enfermedad rara, por poner un
ejemplo, ya que su circunstancia personal facilita que estas personas entren en
contacto con otras personas con el mismo rasgo (por ejemplo, en la consulta del
médico, en asociaciones, etc.).
1. Definir un programa de participación, en el que se describa el proceso por el que
un individuo invita o refiere a otros para que participen.
2. Identificar colectivos u organizaciones que puedan facilitar el acceso a unos
individuos iniciales que cumplan con el rasgo característico del estudio.
3. Obtener contactos iniciales y pedirles su participación. Esta parte sería similar a
una técnica de muestreo convencional, pero destinada a obtener un tamaño de
muestra reducido.
4. Solicitar a los participantes, una vez finalizada la entrevista, el acceso a otros
contactos.
5. Asegurar la diversidad de contactos mediante una correcta selección de los
individuos iniciales y promoviendo que la recomendación no se limite a contactos
muy cercanos.
Básicamente podemos identificar dos tipos de muestreo de bola de nieve:
1. Muestreo lineal: Cada individuo participante debe recomendar a otro individuo,
de forma que la muestra crece a un ritmo lineal.
2. Muestreo exponencial: Cada individuo debe invitar a participar a dos o más
individuos. De esta forma, cuanta más gente participa en el estudio, más gente se
añade al mismo.
Ventajas e inconvenientes
Las principales ventajas de esta técnica son:
- Permite muestrear poblaciones de difícil acceso.
- Es un proceso económico y sencillo.
- Requiere poca planificación y pocos recursos humanos: los propios sujetos
entrevistados hacen de mano de obra.
Respecto a los inconvenientes:
- Falta de control sobre cómo se constituye la muestra, ya que está en manos de los
propios encuestados y su criterio el seleccionar a nuevos individuos.
- Como toda técnica no probabilística, la bola de nieve no garantiza
representatividad ni permite conocer el grado de precisión que ofrecerá.
- Esta técnica es especialmente sensible al sesgo de muestreo. Dado que los
individuos participantes se obtienen por invitación de individuos ya seleccionados,
podría suceder que todos los individuos compartan ciertas características o rasgos,
independientemente del rasgo objeto de estudio, por lo que el muestreo estaría
accediendo sólo a un subgrupo de la población a estudiar. Este problema se pone
especialmente de manifiesto si la selección de individuos iniciales no es
suficientemente diversa.
- Tamaño de muestra incontrolado: la técnica no permite fijar a priori con precisión el
tamaño de muestra que vamos a obtener. (Ochoa, 2020)
BBLIOGRAFIA
Ann. Math. Stat., 17: 167-177. Buckland, W.R. 1951. A review of the literature of
systematic sampling. J. Roy. Stat. Soc. B13: 208- 215.

Arias, E. R. (2021). Muestreo sistemático. Economipedia. Consultado el 25 de

noviembre del 2022 en: https://economipedia.com/definiciones/muestreo-
sistematico.html
Cochran, W.G. 1977. Sampling Tecniques. 3d. ed., Wiley & Sons, New York.
Cornfield, J. 1951.
Editorial Grudemi. (2020). Muestreo por cuotas. Enciclopedia Económica.
Consultado el 25 de noviembre del 2022 en:
https://enciclopediaeconomica.com/muestreo-por-cuotas/
López, N. (2002) Técnicas de muestreo. Junta de Andalucía. Consultado el 27 de
noviembre del 2022 en:
https://www.juntadeandalucia.es/averroes/centros-tic/14002996/helvia/aula/
archivos/repositorio/250/295/html/estadistica/muestreointro.htm

Muguira, A. (2016). Muestreo sistemático: fácil, sencillo y económico. QuestionPro.

Consultado el 27 de noviembre del 2022 en:
https://www.questionpro.com/blog/es/muestreo-sistematico/
Muestreo por cuotas: método y ventajas. (2022). Qualtrics. Consultado el 26 de
noviembre del 2022 en:
https://www.qualtrics.com/es/gestion-de-la-experciencia/investigacion/muestreo-por-
cuotas/
New York. Mendenhall, W. 1971. Introduction to Probability and Statistics.
Ochoa, C. (2020). Muestreo no probabilístico: muestreo por conveniencia. Netquest.
Consultado el 26 de noviembre del 2022 en:
https://www.netquest.com/blog/es/blog/es/muestreo-por-conveniencia

Ochoa, C. (2020). Muestreo no probabilístico por bola de nieve. Netquest.

Consultado el 26 de noviembre del 2022 en:
https://www.netquest.com/blog/es/blog/es/muestreo-bola-nieve
Ortega, C. (2022). Muestreo no probabilístico: definición, tipos y ejemplos.
QuestionPro. Consultado el 26 de noviembre del 2022 en:
https://www.questionpro.com/blog/es/muestreo-no-probabilistico/
QuestionPro (2022) Muestreo probabilístico: Qué es y cómo utilizarlo en tu
investigación. QuestionPro. Consultado el 26 de noviembre del 2022 en:
https://www.questionpro.com/blog/es/como-realizar-un-muestreo-probabilistico/
QuestionPro (2022) Muestreo estratificado: un tipo de muestreo de probabilidad.
QuestionPro. Consultado el 26 de noviembre del 2022 en:
https://www.questionpro.com/blog/es/como-realizar-un-muestreo-probabilistico/
Relative accuracy of systematic and stratified random samples for a certain class of
populations.
Sample design in Business research. Wiley & Sons, New York. Hansen, M.H., W.N.
Hurwitz & W.G. Madow. 1953.
Sample Survey Methods and Theory. Vol. 1. Wiley & Sons, New York. Kish, L. 1965.
Survey Sampling. Wiley & Sons.
Serra, B. R. (2020). Muestreo de bola de nieve. Universo Formulas. Consultado el
26 de noviembre del 2022 en:
https://www.universoformulas.com/estadistica/inferencia/muestreo-bola-nieve/
The determination of simple size. Am. J. Pub. Health. 41: 654-661. Deming, W.F.
1960.
Zapata, F. (2019). Muestreo por cuotas: método, ventajas, desventajas, ejemplos.
Lifeder. Consultado el 26 de noviembre del 2022 en:
https://www.lifeder.com/muestreo-por-cuotas/
3d. ed., Wadsworth, Belmont. Bellhouse, D.R. & J.N.K. Rao. 1975. Systematic
Sampling in the Presence of a Trend. Biometrika, 62: 694-697. Cochran, W.G. 1946