UNIVERSIDAD NACIONAL AUTONOMA

DE MÉXICO
FACULTAD DE ESTUDIOS SUPERIORES IZTACALA

UNA INTRODUCCIÓN GENERAL AL CONCEPTO DE

MUESTREO Y TIPOS DE MUESTREO:
PROBABILÍSTICO Y NO PROBABILÍSTICO.

PRESENTA
ESPERANZA GUARNEROS REYES

Los Reyes Iztacala, 11 de diciembre del 2012

Tabla de contenido

Una introducción general al concepto de muestreo y tipos de muestreo:

probabilístico y no probabilístico ........................................................................ 3

Muestreo probabilístico y muestreo no probabilísticas ........................... 5

Muestreos probabilísticos ....................................................................... 6

Muestreo probabilístico simple ........................................................... 6

Muestreo probabilístico estratificado................................................... 9

Muestreo sistemático ........................................................................ 12

Muestreo no probabilístico ................................................................... 12

Muestreo por conveniencia ............................................................... 12

Muestreo intencional ......................................................................... 13

Muestreo por cuotas ......................................................................... 14

Algunas consideraciones finales ....................................................... 15

Conclusiones ........................................................................................... 16

Referencias .............................................................................................. 17

Página 2 de 18
 UNA INTRODUCCIÓN GENERAL AL CONCEPTO DE
MUESTREO Y TIPOS DE MUESTREO: PROBABILÍSTICO Y NO
PROBABILÍSTICO
Los investigadores de cualquier disciplina y en psicología, por lo general
no puede hacer observaciones directas de cada individuo de la población que
están estudiando. En su lugar, recoger datos de un subgrupo de individuos;
una muestra, y utilizan esas observaciones para hacer inferencias sobre la
población total.
Idealmente, la muestra corresponde a la población que contiene la o las
características de interés. En ese caso, las conclusiones hechas a partir de la
muestra son probablemente aplicables a toda la población.
Este tipo de correspondencia entre la muestra y la población en general
es lo más importante cuando un investigador quiere saber qué proporción de la
población tiene una característica determinada, como una opinión particular o
una característica demográfica. Las encuestas de opinión que tratan de
describir el porcentaje de la población que planea votar por un candidato en
particular, por ejemplo, requieren una muestra altamente representativa de la
población.
El concepto de población se refiere al conjunto de sujetos que poseen las
principales características objeto de análisis, y las características que se
pueden medir se les reconoce como parámetros, los cuales se representan con
letras griegas como µ para la media y σ para la desviación estándar (Silva,
2004).
Cuando el estadístico toma información de todos y cada uno de los
elementos de la población estadística se dice que se está realizando un censo.
Sin embargo, esto no es muchas veces posible, ya sea por el coste que
resulta de la toma de información, o bien porque la toma de información lleva
consigo la destrucción de los elementos en cuestión o que la población tiene
infinitos elementos.
Este problema lleva al investigador a tomar la información sólo de una
parte de los elementos de la población estadística, proceso que recibe el
nombre de muestreo y al conjunto de elementos de los que se toma la
información se denomina muestra. A partir de la información recogida en los

Página 3 de 18
elementos de la muestra se realizara una inferencia sobre el comportamiento
de los elementos de la población.
Kerlinger y Lee (2002) define la muestra como la porción de una
población o universo y que se considera representativa.
La porción de la población que conforma una muestra se constituye por
elementos y se entiende por un elemento, un objeto sobre el que se realiza una
medición de una variable bajo estudio, y pueden ser personas, estímulos,
palabras, colores, etc.
El procedimiento más adecuado para elegir los elementos de una
población es el muestreo aleatorio, que es el método de extracción de
muestras a partir de una población, de manera que toda muestra posible de un
determinado tamaño tendrá la probabilidad de ser seleccionada (Kerlinger y
Lee, 2002).
Así como las características de la población que se pueden medir se
representa con parámetros en letras griegas, la muestra también tiene una
forma de identificar sus parámetros, con letras itálicas como ̅ para la media y s
para la desviación estándar (Silva, 2004).
Existen una serie de ventajas en la utilización del muestreo (Babbie,
2001) que se exponen a continuación.
 Mayor velocidad. El tiempo necesario para la recogida y análisis de los
datos de una muestra es mucho menor que el necesario para una
enumeración completa. En cierto tipo de estudios, nos encontramos con
que la publicación de resultados tiene una fecha límite y nos
enfrentamos a una población con un número elevado de elementos. En
estos casos, el muestreo es la única alternativa posible para realizarlo.
 Mayor exactitud. Un censo generalmente involucra una gran carga de
trabajo con lo que es necesario un gran despliegue humano para la
realización del mismo. En este caso es frecuente cometer errores debido
a la complejidad de la organización. En muestreo, el volumen de trabajo
se reduce de manera considerable con lo que los recursos humanos son
mucho menores pudiendo tener una plantilla más enciente.
 Información más detallada. Al tener el muestreo un numero menor de
unidades, es posible observar/entrevistar cada unidad de una manera
más detallada obteniéndose información de varias variables. Sin
Página 4 de 18
 embargo, en el caso del censo, esta situación llega a ser muy compleja
desde un punto de vista operativo.
 Coste reducido. Al muestrear un menor número de elementos, el coste
de muestreo generalmente es menor que el de una enumeración
completa.
De lo señalado anteriormente, el muestreo resulta ser más económico,
proporciona una información más exacta y tiene un mayor alcance en la
cobertura individual cuando lo comparamos con una enumeración completa.
Sin embargo, existen una serie de errores, denominados errores de muestreo
que están presentes en cualquier resultado de una investigación por muestreo.
Este hecho se debe, principalmente, a que en el muestreo solo se analiza una
parte de la población. Las técnicas de muestreo se diseñan con el un de reducir
este tipo de errores de muestreo.

Muestreo probabilístico y muestreo no probabilísticas

Dos enfoques generales para la selección de una muestra que se utilizan
en la investigación en psicología son el muestreo probabilístico y el no
probabilístico.
En el muestreo probabilístico todos los elementos (por ejemplo, personas,
hogares) de la población tienen alguna oportunidad de ser incluidos en la
muestra, y la probabilidad matemática de que cualquiera de ellos será
seleccionado puede ser calculada.
En el muestreo no probabilístico, en cambio, los elementos de la
población se seleccionan sobre la base de su disponibilidad (por ejemplo,
porque se ofrecieron voluntariamente) o por el juicio personal del investigador
buscando cierta representatividad. La consecuencia es que una parte
desconocida de la población está excluida (por ejemplo, aquellos que no se
ofrecieron voluntariamente). Uno de los tipos más comunes de la muestra se
llama una muestra de conveniencia, porque el investigador utiliza lo que los
individuos están disponibles en lugar de seleccionar de toda la población.
Debido a que algunos miembros de la población no tienen ninguna posibilidad
de ser muestreado, el grado en que una muestra por conveniencia
independientemente de su tamaño representa a la población no puede ser
conocido (Pérez, 2005).

Página 5 de 18
 Una muestra probabilística no es siempre una prioridad para los
investigadores. En la investigación social aplicada puede haber circunstancias
donde no es factible, práctica o teóricamente hacer un muestreo aleatorio por lo
que se recurre al muestreo no probabilístico (Trochim, 2000).
Un científico puede demostrar que una característica particular se
produce en una población mediante la documentación de una sola instancia.
Por ejemplo, la afirmación de que todas las lesbianas son enfermas mentales
puede ser refutada por documentar la existencia de una sola lesbiana que está
libre de psicopatología.
Otra situación en la que una muestra probabilística no es necesaria es
cuando un investigador desea describir un grupo determinado de una manera
exploratoria. Por ejemplo, entrevistar a 25 personas con SIDA sobre sus
experiencias con el VIH podría proporcionar información valiosa sobre el estrés
y afrontamiento, a pesar de que no cederá los datos sobre la proporción de
personas con SIDA en la población general que comparten esas experiencias.
Después de esta introducción, es conveniente profundizar sobre los
diferentes tipos que tiene el muestro probabilístico y no probabilístico, así como
ejemplificarlos para facilitar su comprensión.

Muestreos probabilísticos
Muchas estrategias se pueden utilizar para el muestreo probabilístico, los
que se revisarán aquí como principales son: el muestreo probabilístico simple y
el muestreo probabilístico estratificado.

Muestreo probabilístico simple

El muestreo probabilístico simple es el método de muestreo que
proporciona un punto de partida entre los muestreos probabilísticos no porque
sea uno de los métodos de muestreo más utilizados sino porque constituyen la
base de métodos de muestreo más complejos.
El muestreo probabilístico simple se define como la selección de un
tamaño de muestra n de una población de tamaño N de tal manera que cada
muestra posible de tamaño n tenga la misma probabilidad de ser seleccionada.
Este tipo de muestreo puede ser con reemplazamiento o sin remplazamiento
(Kerlinger y Lee, 2002).

Página 6 de 18
 Cuando se habla de muestreo probabilístico simple sin reemplazamiento
se obtiene la muestra, unidad a unidad de forma aleatoria sin reposición a la
población de las unidades previamente seleccionadas, teniendo presente
además que el orden de colocación de los elementos en las muestras no
intervienen, es decir, muestras con los mismos elementos colocados en orden
distinto se consideran iguales. De esta forma, las muestras con elementos
repetidos son imposibles.
Por ejemplo, en un estudio de comprensión lectora para alumnos de una
escuela secundaria se requiere obtener una muestra aleatoria y se recurre al
muestreo probabilístico, considerando una población de N=200 alumnos la
probabilidad de ser seleccionado es de 1/200, una vez seleccionado el primer
alumno, la probabilidad del siguiente alumno de ser elegido cambia será de
1/199.
En el muestreo probabilístico simple aleatorio con reemplazamiento, las
unidades seleccionadas son devueltas de nuevo a la población, imaginemos
que la prueba de comprensión lectura del mismo estudio tiene diferentes
reactivos, por lo cual no afecta que participe un mismo alumnos dos veces,
entonces el muestreo puede ser probabilístico simple con repetición, en ese
caso, de los 200 alumnos se elige un alumno y su probabilidad sería de 1/200,
después se regresa a ese alumno seleccionado a la población y se elige al
siguiente alumno, el cual podría salir el alumno ya seleccionado o uno nuevo,
por lo que la probabilidad sigue siendo 1/200.
Ahora bien, ¿cuál es la manera de seleccionar una muestra aleatoria
simple? Utilizando un ejemplo concreto se explicará uno de los procedimientos
a seguir. Supóngase el estudios de lectura se extiende a alumnos universitarios
y en este caso se analizarán los hábitos de lectura en los estudiantes
universitarios. Los alumnos que estudian pedagogía son un total de 544
alumnos y se quiere extraer una muestra probabilística simple de 65 alumnos.
Una manera de extraer una muestra probabilística simple consiste en asignar a
cada alumno un número del 1 al 544 asociando cada número a un único
individuo. Una vez realizada esa asignación, se introducen 544 bolas
numeradas en una urna (cada una con un número del 1 al 544), se mezclan
cuidadosamente y se van sacando una por una las bolas hasta seleccionar 65
bolas al azar. Si todo el proceso se realiza de manera adecuada, las bolas

Página 7 de 18
seleccionadas constituirían una muestra aleatoria simple de 65 estudiantes.
Aunque es conceptualmente simple, este método es un poco trabajoso de
ejecutar si se tiene una población muy grande, en la que incluso no pueda
conocerse su N.
Otra manera de seleccionar esta muestra probabilística simple consiste
en utilizar una tabla de números aleatorios. Una tabla de números aleatorios es
un conjunto de dígitos generado de modo que, normalmente, la tabla contendrá
a cada uno de los diez dígitos (0, 1, . . . , 9), en proporciones aproximadamente
iguales, sin mostrar tendencias en el patrón que se generan los dígitos. Por lo
tanto, si se selecciona un número en un lugar aleatorio de la tabla, es
igualmente probable que sea cualquiera de los dígitos entre el 0 y el 9. Estas
tablas se construyen para asegurar que cada digito, cada par de dígitos, cada
tres dígitos, aparecen con la misma frecuencia.
En el caso de extraer una muestra aleatoria simple, se elige un lugar para
empezar a leer dichos números aleatorios. Después se selecciona una
dirección (arriba, abajo, derecha e izquierda) y se van recogiendo dígitos de
dos en dos hasta que se consiga el tamaño muestral adecuado. Utilizando este
método, un elemento puede aparecer más de una vez.
Las ventajas que tiene este procedimiento de muestreo son las
siguientes:
 Sencillo y de fácil comprensión.
 Cálculo rápido de medias y varianzas.
 Existen paquetes informáticos para obtener número aleatorios para
obtener la muestra como el Random Number Generator Pro, que es
una pequeña herramienta que, como su propio nombre indica, sirve
para generar números al azar. Tiene diversas opciones de
configuración, tales como seleccionar el rango de números de entre
los que quieras seleccionar, tanto positivos como negativos, excluir
algunos de ellos, guardar la lista de números seleccionados en un
fichero o imprimirla. El programa puede generar hasta 9.999 números
al mismo tiempo y te permite copiar y pegar los números para usarlos
en otras aplicaciones.
Por otra parte, las desventajas de este procedimiento de muestreo son:

Página 8 de 18
  Requiere que se posea de antemano un listado completo de toda la
población.
 Si se trabaja con muestras pequeñas, es posible que no representen a
la población adecuadamente
Otro tipo de muestreo probabilístico es el estratificado, el cual es un poco
más sofisticado al muestreo simple, pero la obtención de los elementos de esta
muestra puede hacerse mediante los procedimientos descritos en esta sección
como la tómbola o los números aleatorios de las tablas que se pueden
consultar en tablas de libros de estadística o por medio de software.

Muestreo probabilístico estratificado

El muestreo estratificado es un muestreo probabilístico en el que
dividimos a la población en subgrupos o estratos. La estratificación puede
basarse en una amplia variedad de atributos o características de la población
como edad, género, nivel socioeconómico, ocupación, etc.
Así consideramos una población heterogénea con N unidades, y en la que
la subdividimos en L subpoblaciones denominados estratos lo más
homogéneas posibles no solapadas, atendiendo a criterios que puedan ser
importantes en el estudio.
Este muestreo se utiliza cuando la población de estudio es muy
heterogénea ya que necesita un gran esfuerzo muestral para obtener cierta
precisión mientras que si la población esta dividida en grupos, bloques o
estratos que sean internamente homogéneos, el esfuerzo en cada grupo será
mínimo resultando globalmente un esfuerzo menor.
Las razones para el uso del muestreo estratificado son las siguientes:
 El muestreo estratificado puede aportar información más precisa de
algunas subpoblaciones que varían bastante en tamaño y propiedades
entre si, pero que son homogéneas dentro de si. Los estratos deberán
ser en lo posible constituidos por unidades homogéneas.
 El uso adecuado del muestro estratificado puede generar ganancia en
precisión, pues al dividir una población heterogénea en estratos
homogéneos, el muestreo en estos estratos tiene poco error debido
precisamente a la homogeneidad.

Página 9 de 18
  Motivaciones de tipo geográfico, ya que se requieren estimaciones
para ciertas áreas o regiones geográficas.
El muestreo probabilístico estratificado puede ser proporcional, en este
tipo de muestreo el tamaño de cada estrato es proporcional al tamaño de la
población de los estratos cuando se mira a través de toda la población. Esto
significa que cada estrato tiene la misma fracción de muestreo (Babbie, 2001).
Según el criterio que elijamos para reflejar los estratos en la muestra,
tenemos dos subtipos en este muestreo: con asignación igual (también llamada
constante o simple) y con asignación proporcional.
En el caso de muestreo aleatorio estratificado con asignación igual, no se
toma en cuenta el número de individuos que componen cada estrato en la
población, sino que todos tienen la misma presencia en la muestra. Por
ejemplo, si hay 5 estratos, de cada uno se elegirían N/5 individuos para la
muestra, independientemente del peso que cada uno de ellos tuviera en la
población.
En el caso de muestreo aleatorio estratificado con asignación
proporcional, sí se toma en cuenta el tamaño de cada estrato. Lo que se
pretende es que la muestra mantenga, en su composición, la misma proporción
de individuos que cada estrato tenga en la población.
Para obtenerlo se sigue el siguiente procedimiento de acuerdo a Silva
(2004):

N es el tamaño de la población
n es el tamaño de la muestra
Nji es el tamaño de los estratos en la población y
nji es el tamaño de los estratos en la muestra en cada estrato.

La proporción de muestreo se obtiene mediante la razón existente entre el

tamaño de la muestra deseada sobre el tamaño de la población en estudio,
esto es:
pm=

pm es la proporción de la muestra

Página 10 de 18
 Una vez obtenida la proporción de muestreo se multiplica por cada Nji
para saber cuantos elementos deben seleccionarse por cada estrato nji.
Véase el siguiente ejemplo. En cierta población habitan 1500 niños, 7500
adultos y 1000 ancianos. Se desea realizar un estudio para conocer el tipo de
actividades de ocio que se desean incluir en el nuevo parque en construcción.
Para ello, van a ser encuestados 200 individuos elegidos al azar. El muestreo
evidentemente es sin remplazamiento.

a) Si se utiliza muestreo estratificado con asignación igual, ¿cuál será el

tamaño de la muestra correspondiente a cada estrato? En el muestreo
estratificado con afijación igual dividimos el total de la nuestra entre 3
(niños, adultos, ancianos) y tomamos esa cantidad de cada estrato. En
ese caso 200/3=66.66, como no puede tenerse personas en decimales
elegimos 66 niños, 67 adultos y 67 viejos, porque 66 + 67 + 67 (la suma
tiene que ser 200 y tenemos que aproximar los datos).

b) Si se utiliza muestreo estratificado con afijación proporcional, ¿cuál será

el tamaño de la muestra correspondiente a cada estrato? En el
muestreo estratificado con asignación proporcional deben considerarse
los estratos formados por niños y jóvenes, adultos y ancianos de la
población. El tamaño de cada uno de los estratos debe ser proporcional
a la cantidad de individuos de cada uno de ellos. Así, se tiene que:
Niños adultos anciano N
s
1500 7500 1000 10000

n=200
pm=

pm=0.02

Al multiplicar cada Nji por la pm se obtiene

Página 11 de 18
 Niños adultos anciano n
s
30 150 20 200

Por lo tanto, la muestra debe estar formada por 30 niños y jóvenes, 150
adultos y 20 ancianos elegidos aleatoriamente entre sus respectivos colectivos.

Muestreo sistemático
El muestreo sistemático consiste en establecer el número de las unidades
en la población de 1 a N y decidir sobre la n (tamaño de la muestra) que se
desea o necesita el tamaño de un intervalo. Luego se selecciona
aleatoriamente un número entero entre 1 a k y luego tomar cada unidad
k-ésimo (Mendenhall, Beaver, R. y Beaver, M, 2008).

k=N/n
k es el tamaño del intervalo

Todo esto será mucho más claro con un ejemplo. Supóngase que se tiene
una población que sólo tiene N=100 personas y que se quiere tomar una
muestra de n=20. Para utilizar el muestreo sistemático, la población debe estar
ordenada asignándole un número. La fracción de muestreo sería f= 20/100 =
20%. En este caso, el tamaño del intervalo, es decir k, es igual a N / n = 100/20
= 5. Ahora, se selecciona un número entero aleatorio 1 a 5. Podría ser: 4.
Ahora, para seleccionar la muestra, comienza con la cuarta unidad de la
lista y tomar todas las unidades de k-ésimo (cada 5 º, porque k = 5). Bajo este
ejemplo las personas seleccionadas serían las que tengan el número 4, 9, 14,
19, y así sucesivamente hasta obtener una muestra de 20 personas.

Muestreo no probabilístico
El muestreo no probabilístico se puede describir pero no se puede usar
para hacer inferencias (Mendenhall, Beaver R. y Beaver M, 2008).

Muestreo por conveniencia

Una muestra por conveniencia es cuando el investigador incluye en su
muestra a las personas u objetos que están disponibles para participar en el

Página 12 de 18
estudio de investigación (Mendenhall, Beaver R. y Beaver M, 2008). Esto
podría ser: parar a la gente en una esquina de la calle a medida que pasan por
los transeúntes o realizar encuestas en un centro comercial. También podría
ser: amigos, estudiantes o compañeros de trabajo que el investigador ve
seguido.
Este método no permite que el investigador tenga ningún control sobre la
representatividad de la muestra. Es decir, que el investigador no puede
controlar qué características de la muestra (género, edad, raza, educación, etc)
corresponden a las características de la población más grande que está
destinada a representar.
El investigador también debe tener la precaución de no utilizar los
resultados de una muestra de conveniencia para generalizar a una población
más amplia.
Un ejemplo de este tipo de muestreo sería que un investigador y profesor
de la Universidad está interesado en el estudio de los comportamientos de
consumo de alcohol entre los estudiantes universitarios. El profesor imparte
una clase de sociología a 101 estudiantes y decide utilizar su clase como la
muestra del estudio. Esta muestra puede ser no representativa de todos los
estudiantes universitarios, por lo que el investigador no puede generalizar sus
resultados a todos los estudiantes universitarios.
Pero, aunque los resultados de este estudio no pueden generalizarse a la
población de estudiantes universitarios, los resultados de la encuesta aún
podría ser útiles, si el profesor utiliza los resultados para refinar ciertas
preguntas sobre la encuesta o llegar a más preguntas para incluir en una
encuesta posterior. Las muestras de conveniencia se utilizan a menudo para
este propósito: poner a prueba ciertas preguntas y ver qué tipo de respuestas
surgen y utilizar esos resultados como una prueba para crear pulir un
cuestionario.

Muestreo intencional
En el muestreo intencional, es el que determina los elementos que
conformarán la muestra por un criterio o juicio del investigador (Trochim, 2000;
Silva, 2004).

Página 13 de 18
 Por ejemplo, cuando en un centro comercial o en la calle una persona con
una carpeta, detiene personas con cierta característica en particular para
encuestarlas, lo más probable es que se esté llevando a cabo una muestra
intencional, ya que el encuestador podría estar buscando mujeres entre 30-40
años de edad, casadas que se dediquen al hogar para poder preguntarles
sobre su preferencia en suavizantes de ropa, ya que este puede ser la
población objetivo de la empresa que mandó a los encuestadores a los centros
comerciales.
El muestreo intencional puede ser muy útil en situaciones donde tiene que
llegar a una muestra seleccionada de forma rápida y donde el muestreo de
proporcionalidad no es la principal preocupación. Con una muestra intencional,
es posible obtener las opiniones de la población objetivo.

Muestreo por cuotas

En el muestreo por cuotas, la población está constituida por subgrupos
mutuamente excluyentes, al igual que en el muestreo estratificado. Pero la
conformación de la muestra, sea proporcional o no se da por criterio del
investigador, como sucede en el muestreo no probabilístico.
En un estudio hipotético, supóngase que se quería entrevistar a los
turistas que llegan al Estado de Hidalgo para estudiar sus actividades y gastos.
Basándose en datos de la Secretaria de Turismo de dicha comunidad se sabe
que el 60% hace su viaje por placer, el 20% visita a amigos y parientes, el 15%
viaja por negocios y el 5% para convenciones y reuniones. Además se sabe
que el 80% proceden de otros Estados de la República Mexicana no vecinos de
Hidalgo, el 10% viene de ciudades cercanas a Hidalgo y el 10% son
internacionales. Se estipula que la muestra deberá de ser de 500 turistas que
han de ser interceptados en los principales puntos turísticos (atracciones,
eventos, hoteles, centro de convenciones, etc), como lo haría en una muestra
de conveniencia. El número de entrevistas por lo tanto, podría ser determinado
basándose en la proporción de una característica que represente a la
población. Además se puede establecer que una vez que 200 viajeros por
placer hayan sido entrevistados, ya no se buscará turistas con ese motivo de
viaje y sólo aquellos que afirmen que uno de los fines era la razón de su visita

Página 14 de 18
sea otro sería entrevistado hasta que todos los subgrupos se terminen de
entrevistar según un criterio que se establezca al juicio del investigador.
Una de las ventajas del muestreo por cuotas son la velocidad con que la
información puede ser recogida, el menor costo de hacerlo y la comodidad que
representa.

Algunas consideraciones finales

Como consideración final es importante señalar que la mayoría de los
estudios de ciencias sociales y del comportamiento utilizan el muestreo por
conveniencia, compuesto por estudiantes, voluntarios pagados, los pacientes,
los presos, o los miembros de las redes de amistad u organizaciones.
Los estudios realizados con tales muestras son útiles principalmente para
documentar que una característica particular o fenómeno se produce dentro de
un grupo dado, o alternativamente, lo que demuestra que no todos los
miembros de ese grupo manifiestan una característica particular. Tales
estudios son también muy útiles para la detección de relaciones entre los
fenómenos diferentes.
A veces coinciden que se usan las muestras de conveniencia para
comparar dos grupos, por ejemplo, los resultados de pruebas psicológicas de
las personas homosexuales y heterosexuales. Con este procedimiento, cada
individuo en la primera muestra tiene una contraparte en la segunda muestra,
que es del mismo género, raza, nivel educativo, edad o cualquier otra
característica se les considere pertinente. El propósito de la concordancia es
eliminar las fuentes conocidas de sesgo, sin embargo, el problema de sesgo
potencial de fuentes ocultas aún permanece.
Con un fuerte alcance la población, en el mismo ejemplo de personas
homosexuales o personas que se involucran en conducta homosexual, una
serie de estudios con muestras no pueden sugerir estimaciones aproximadas
de la proporción de la población que manifiesta diversas características.
Cuando se obtienen resultados similares en repetidas ocasiones con muchas
muestras no diferentes, la probabilidad de que los resultados se aplican a la
población es mayor que cuando sólo se utiliza una muestra. Sin embargo, las
inferencias sobre la base de dichos datos, debe ser cautelosa debido a la
posibilidad de un sesgo sistemático.

Página 15 de 18
 Estrictamente hablando, las inferencias no se pueden extraer de una sola
muestra de la población que manifiesta una característica particular. Es muy
importante, por lo tanto, que los resultados obtenidos con muestras de
conveniencia deben evaluarse críticamente. Cuando se leen artículos, se
deben hacer las siguientes preguntas:
¿Qué tipo de personas fueron sistemáticamente excluidos de la muestra?
¿Qué tipo de personas fueron excesivamente representados en la
muestra?
¿Los resultados han sido replicados por diferentes investigadores que
utilizan una variedad de métodos de recolección de datos con muestras
diferentes?

CONCLUSIONES
En objetivo de este trabajo fue presentar una introducción al concepto de
muestreo, probabilístico y no probabilístico, haciendo un acercamiento
conceptual, principalmente y en algunos de sus procedimientos generales. Esto
permite al estudiante de métodos cuantitativos I crear cognoscitivamente un
panorama del muestreo y las opciones que tiene para poder hacer la selección
de la muestra de los estudios que comenzará a realizar en su carrera. A partir
de ellos el alumno sabe que existen dos principales métodos utilizados en la
investigación para la seleccionar una muestra, el probabilístico y el no
probabilístico.
Además con la exposición aquí presente, el alumno ya sabe que la gran
diferencia del muestreo probabilístico, es que todas las personas tienen la
misma oportunidad de ser seleccionados, y los resultados son más propensos
a reflejar con mayor exactitud la totalidad de la población.
En resumen el muestreo probabilístico cuenta con un marco de muestreo
completo del que se seleccionan los elementos que conformarán la muestra.
Se debe tener la posibilidad de enumerar, nombrar o enuncias los elementos
de toda la toda la población, primordialmente en el muestreo probabilístico
simple. La selección de la muestra es aleatoria. Dado que todas las personas
(o "unidades") tienen la misma probabilidad de ser seleccionados, puede
seleccionarse al azar a los participantes sin perder porciones enteras de su

Página 16 de 18
audiencia. Se pueden generalizar sus resultados a partir de una muestra
aleatoria. Con este método de recogida de datos se puede extrapolar los
resultados a toda la población. Puede ser más caro y lento que los muestreos
por conveniencia o intencional.
En cambio el muestreo no probabilístico se utiliza cuando no hay una lista
exhaustiva de la población disponible. Algunas unidades no pueden ser
seleccionadas, por lo tanto, no se tiene manera de saber el tamaño y el efecto
del error de muestreo (personas perdidas, la representación desigual, etc.). No
es al azar. Puede ser efectivo cuando se trata de generar ideas y obtener
retroalimentación, e incluso describir, pero no se puede generalizar los
resultados a toda una población con un alto nivel de confianza. Son más
convenientes por menor costo, pero no se sostiene con las expectativas de la
teoría de la probabilidad, como lo hace el muestreo aleatorio.
A partir de estos conocimientos, el alumno puede pasar a cuestionarse o
interesarse por conceptos o teorías que está alrededor del muestreo, como por
ejemplo preguntarse por cómo es que una muestra puede ser representativa de
la población, cómo calcular el tamaño de la muestra, los cual son temas
propios de Métodos Cuantitativos II y junto con las concepciones revisadas en
Métodos I, sus conocimientos se irán profesionalizando en la experiencia que
va teniendo desarrollando proyectos de investigación en los que implemente
distintos tipos de muestras.

REFERENCIAS
Babbie, E. (2001). The Practice of Social Research: 9th Edition. Belmont, CA:
Wadsworth Thomson.
Trochim, W. (2000). The Research Methods Knowledge Base, 2nd Edition.
Atomic Dog Publishing, Cincinnati, OH.
Pérez, C. (2005) Muestreo Estadístico. Conceptos y problemas resueltos.
Pearson: Espeña
Mendenhall, W., Beaver, R., y Beaver, M. (2008). Introducción a la probabilidad
y estadística. 12º edición. Cengace Learning: México.
Silva, A. (2004). Métodos cuantitativos en psicología. Un enfoque
metodológico. Trillas: México.

Página 17 de 18
Kerlinger, F., y Lee, H. (2002). Investigación del comportamiento.4ta edición.
McGraw-Hill: México.

Página 18 de 18