Libro A Cuantos y A Quienes Preguntar

Dagoberto Salinas Avilés
Este libro, en el contexto del proceso de in-

vestigación social y educacional, aborda la
temática del muestreo y de la selección de
¿A cuántos y a quiénes preguntar? Una aproximación al muestreo cuantitativo y cualitativo en investigación social y educacional
informantes. Como tal, dirige su atención a la
materia señalada, tanto desde una perspecti-
va cuantitativa como cualitativa, en un estilo
que se ampara en la formulación de preguntas Dagoberto Salinas Avilés es Académico
significativas de parte del autor. Lo preceden- de la Escuela de Trabajo Social de la Pon-
te, mediante una estrategia pedagógica que tificia Universidad Católica de Valparaíso.
¿A cuántos y
combina explicaciones teóricas y ejemplos, Junto a su labor docente ha desempeñado
motivando al lector en asumir una actitud me- variados cargos tales como Director, Jefe
a quiénes preguntar?
todológica flexible y rigurosa al momento de de Docencia, y en la actualidad Secretario
Académico de la carrera.
seleccionar a los sujetos que aportarán infor-
mación relevante para el estudio. Trabajador Social con postítulo en Estadís-
Una aproximación tica y Computación Educacional, Magíster
al muestreo cuantitativo
En definitiva, este texto intenta contribuir al en Educación y Doctor en Evaluación, Me-
mejoramiento de las competencias metodoló- jora y Calidad en la Educación Superior.
gicas de estudiantes de pre y postgrado (Tra- y cualitativo en investigación En su labor docente de más de veinte años
bajo Social, Psicología, Periodismo y Educa-
ción, entre otras disciplinas), para desarrollar
social y educacional ha participado en diversos proyectos de in-
vestigación y dictado numerosos cursos de
investigaciones sociales y educacionales. Metodología de Investigación y Estadística
Dagoberto Salinas Avilés Social, así como también de Evaluación y
Como señala el Doctor Javier Gil Flores (Aca- Educación, tanto a nivel de pre y post gra-
démico de la Universidad de Sevilla, España): do en Educación y Trabajo Social. De igual
modo le ha correspondido guiar Tesis de
“… el presente texto puede considerarse un
Pre y Postgrado en la Universidad.
acierto desde el punto de vista científico y di-
dáctico, y cabe esperar que de seguro sus pá- Durante todo este tiempo ha orientado
ginas constituyan una buena referencia para buena parte de sus esfuerzos pedagógi-
afrontar las decisiones que todo investigador cos en la mejora de la comprensión de los
Este libro fue seleccionado en
procesos de análisis de datos en el marco
el Concurso de Publicaciones social debe tomar de cara al desarrollo de su
Académicas del año 2007 realizado de la investigación social y educacional, lo
proceso de investigación”.
por la Pontificia Universidad que le ha llevado a dictar cursos en Univer-
Católica de Valparaíso sidades chilenas y latinoamericanas.
¿A cuántos y a quiénes preguntar? 3
¿A cuántos y
a quiénes preguntar?
Una aproximación
al muestreo cuantitativo
y cualitativo en investigación
social y educacional
Dagoberto Salinas Avilés
4 Dagoberto Salinas Avilés
© Dagoberto Salinas Avilés, 2010
Inscripción N° 189.321
ISBN 978-956-17-0457-2
Tirada: 500 ejemplares

Derechos Reservados
Ediciones Universitarias de Valparaíso

Pontificia Universidad Católica de Valparaíso
Calle 12 de Febrero 187, Valparaíso
Teléfono: 227 3087 – Fax: 227 3429
E.mail: euvsa@ucv.cl
www.euv.cl
Diseño Gráfico: Guido Olivares S.

Asistente de Diseño: Mauricio Guerra P.
Asistente de Diagramación: Alejandra Larraín R.
Corrección de Pruebas: Osvaldo Oliva P.
Impresos Libra, Valparaíso
HECHO EN CHILE
“En gran medida, la credibilidad de los hallazgos

de toda investigación social y educacional depende
de la representatividad de los informantes”.
El autor
Prólogo
El progreso de la ciencia se apoya necesariamente en la investiga-

ción empírica, y el motor que lo pone en marcha es el método cientí-
fico. Con sus diferentes variantes y adaptaciones a ámbitos del saber
específicos, los métodos de investigación se asocian con la dimensión
dinámica de la ciencia, gracias a la cual el conocimiento científico se in-
crementa constantemente. Desarrollar una investigación implica adoptar
una serie de decisiones metodológicas, que el investigador debe abor-
dar a veces en la fase preparatoria de planificación y a veces durante la
ejecución de su proceso indagador. En cualquiera de los dos casos, una
de las decisiones presentes en toda investigación empírica se concreta
en la selección o muestreo de las unidades de estudio, es decir, de los
elementos, casos, individuos, que actuarán como fuente de datos para
fundamentar las respuestas que el investigador pretende dar a los pro-
blemas planteados.
En el campo de las ciencias sociales, el objeto de estudio suelen ser

fenómenos y situaciones en las que participan las personas. Y en conse-
cuencia, éstas son en la mayoría de las ocasiones tomadas como fuente
de información, siendo objeto de formas diversas de interrogación, como
ocurre cuando los sujetos son encuestados o entrevistados siguiendo
cualquiera de los procedimientos desarrollados con la finalidad de reco-
ger datos. Para llevar a cabo tareas de este tipo, una de las decisiones
metodológicas que el investigador social habrá de tomar es precisamen-
te la que supone responder al interrogante ¿a cuántos y a quiénes pre-
guntar?. Y esta decisión resulta crucial en todo proceso de investigación,
pues un error en la misma supondrá la imposibilidad de recoger los datos
adecuados para responder al problema de investigación.
El modo de responder a la pregunta sobre a cuántos y a quiénes

queda satisfactoriamente explicado a lo largo de las páginas del pre-
sente texto. Su autor, Dagoberto Salinas, ha sabido condensar en él la
información fundamental para comprender la naturaleza del muestreo,
aportando pautas para la realización práctica del mismo. Fruto de una
larga trayectoria docente en el campo de los métodos de investigación
social, el texto adopta un enfoque pedagógico con el fin de hacer acce-
sible al lector los conceptos y procedimientos básicos para la selección
de muestras. Sin abandonar el rigor necesario, los contenidos del docu-
mento suponen una aproximación a los procesos de muestreo al alcance
de estudiantes y de investigadores sociales que deseen contar con una
visión clara y sistematizada de las operaciones implicadas en la elección
de muestras de sujetos.
Un aspecto que debe destacarse es el enfoque integrador que el pro-

fesor Salinas ha sabido dar al tema tratado. La coexistencia de enfoques
de investigación cuantitativos y cualitativos, que se han desarrollado pa-
ralelamente a lo largo de décadas, ha dado lugar a manuales y textos
que frecuentemente han abordado las cuestiones metodológicas desde
una perspectiva única, optando por el positivismo o la fenomenología
como trasfondo filosófico válido en el que apoyar los intentos de conocer
y comprender la realidad social. El resultado ha sido la visión limitada so-
bre las metodologías de investigación, soslayando que la realidad social
puede ser analizada en diferentes dimensiones, que los problemas plan-
teados se pueden prestar a distintos acercamientos y que, en definitiva,

el uso de diferentes vías posibilita un mejor conocimiento de los múlti-
ples aspectos que encierra toda realidad. Frente a los posicionamien-
tos que implícitamente apoyan la incompatibilidad entre los diferentes
programas de investigación social, en este texto se han presentado y se
ha apostado por la utilización conjunta de procedimientos de selección
cuantitativos y cualitativos, asumiendo así las posibilidades de triangu-
lación, complementariedad o combinación metodológica en los diseños
de investigación.
Por todo lo anterior, el presente texto puede considerarse un acierto

desde el punto de vista científico y didáctico, y cabe esperar que de buen
seguro sus páginas constituyan una buena referencia para afrontar las
decisiones que todo investigador social debe tomar de cara al desarrollo
de su proceso de investigación.
Javier Gil Flores
Doctor en Filosofía y Ciencias de la Educación

Académico de la Universidad de Sevilla (España)
Sevilla, 5 de junio de 2009
Índice
Palabras iniciales ................................................................... 15
Capítulo I:
Las muestras y la selección de los sujetos en un
proceso de invetigación ............................................................. 19
¿Por qué es necesario trabajar con muestras? ....................... 21

¿Por qué es importante preocuparse
por obtener una buena muestra y qué significa esto?. ............ 21
Pero, en definitiva: ¿Qué es una buena muestra? ................... 28
¿Qué pasos previos se deben seguir para la
definición y selección de la muestra?....................................... 30
Capítulo II:
Los diseños de muestreo en un proceso de investigación .... 35
¿Qué diseños de muestreos hay? ........................................... 37

Diseños de muestreo probabilístico ......................................... 38
Diseños de muestreo no probabilístico .................................... 54
Capítulo III:
Las muestras cuantitativas y el tamaño de las mismas ......... 65
Tamaño de una muestra cuantitativa .................................... 67
Capítulo IV:
El muestreo y la perspectiva cualitativa ................................... 87
La aproximación cualitativa .................................................. 89
Capítulo V:
Las posibilidades de integración de los muestreos
cuantitativos y cualitativos......................................................... 99
¿Se pueden combinar los diferentes tipos de

muestreos cuantitativos y cualitativos? ................................. 101
Palabras finales ...................................................................... 109
Bibliografía ................................................................................... 113

Palabras Iniciales
Palabras iniciales
“Hay varias maneras de construir
muestras, y la pregunta que tiene
que responder el investigador
es qué representa realmente la
muestra para su estudio”. Padua,
J. (1979:22).
Desde hace ya unos años que sentí la necesidad de poder comunicar

de manera más sistemática aquello que pretendo entregar en mis clases
tanto de investigación como de estadística social, a riesgo de caer en
ese lema que reza: dime qué publicas y te diré quién eres.
El texto que a continuación revisarán pretende aportar a la compren-

sión de la etapa metodológica correspondiente a la selección de los infor-
mantes en el marco de un proceso de investigación social. Lo precedente
no pretende desconocer las decisiones de muestreo que también pue-
den darse en una investigación, respecto de la selección de situaciones,
acontecimientos, lugares, momentos y fenómenos a estudiar.
De esta manera, este libro está dirigido principalmente a estudiantes

de Ciencias Sociales y de Educación, quienes en su ejercicio profe-
sional, utilizarán la herramienta de muestreo, para asegurarse que la
calidad de la evidencia obtenida respalde sus juicios, conclusiones y/o
decisiones, tanto en sus diagnósticos, planificaciones, evaluaciones o

estudios en general.
Su estructura está conformada en base a una serie de interrogantes

que aspiran a iluminar el entendimiento y toma de decisiones referidas a
la elección de la estrategia de muestreo, resolviendo convenientemente
tanto el cuánto como el quiénes en la selección de los sujetos en el mar-
co de un estudio, investigación social o evaluación.
Lamentablemente, no son pocos los errores que se cometen en esta

fase metodológica, poniendo en serio riesgo el análisis de los hallazgos
de las investigaciones. Frecuentemente, la mirada respecto de la selec-
ción de los sujetos resulta parcial y arbitraria, no dando respuesta a las
exigencias del diseño mismo de la investigación. Lo precedente, en un
escenario de desconocimiento y descalificación de los tipos de muestreo
cuantitativos o cualitativos, según sea el lado en el cual se atrinchere el
investigador.
Por otro lado, este documento, presenta una mirada complementaria

e integradora de los diversos tipos de muestreo, destacando su pertinen-
cia, así como también reconociendo sus potencialidades y límites. Lo
anterior exigió sin embargo una acción previa de distinción acerca de las
particularidades, tanto de los muestreos cuantitativos como cualitativos.
Esta acción no obstante, implicó inicialmente mirar la temática desde un
ángulo, para luego hacerlo desde el otro, lo que posibilitó en definitiva
ampliar el campo visual del muestreo.
Con todo, se espera que este esfuerzo de diferenciación no se cons-

tituya en un obstáculo para visualizar las posibilidades de integración de
los métodos de muestreo.
Finalmente, deseo expresar mi reconocimiento a los académicos:

Sres. David Cademartori Rosso y Pedro Santander Molina de la Pontifi-
cia Universidad Católica de Valparaíso (Chile) y Sr. Javier Gil Flores de

la Universidad de Sevilla (España), por su mirada crítica y constructiva,
durante la elaboración de este texto. A todos ellos, vaya mi genuino agra-
decimiento.
El autor
Capítulo I
Las muestras y la selección de los sujetos
en un proceso de investigación
¿Por qué es necesario trabajar con muestras?
En ocasiones es necesario seleccionar una muestra o subconjunto

de la población, debido a que no podemos, por falta de tiempo o recur-
sos, abarcar el colectivo completo, como sería tal vez nuestra intención
inicial e ideal.
Dada esta situación, nos vemos enfrentados a la necesidad de obte-

ner una buena muestra de la población. Esta pretensión es igualmente
válida tanto para investigaciones cuantitativas como cualitativas. De la
naturaleza de estas últimas, dependerán las decisiones que se adopten
en torno a la estrategia de muestreo a desplegar.
Lo precedente nos lleva a formularnos la siguiente interrogante.
¿Por qué es importante preocuparse por obtener una

buena muestra y qué significa esto?
El desarrollo de una investigación que involucra la consulta a sujetos,

desde una perspectiva metodológica implica responder a una serie de
interrogantes y adoptar las consiguientes decisiones frente a las mismas,
tales como qué investigar, con qué propósito y cuándo y cómo preguntar,
entre otras.
En este plano, trabajar con una muestra implica acceder a una parte
o sub-conjunto de la población para poder sacar conclusiones respecto
de esta última. De la naturaleza de esta “parte” dependerá lo que pode-

mos proyectar hacia la población.
Mientras en los cuantitativos el interés se centrará en la prueba de

hipótesis y en la estimación de parámetros (características de la pobla-
ción) a partir del trabajo con los estadígrafos (características de la mues-
tra), para los cualitativos, la principal preocupación radicará en cómo
profundizar acerca de las particularidades de la población. Al respecto,
podríamos afirmar que en parte el dilema se centra entre la homogenei-
dad y la heterogeneidad.
Con la convicción de que en la rigurosidad de la respuesta a cada

una de estas preguntas se juega la calidad de la investigación, deseo
detenerme en el estudio de la selección de los informantes, tanto para
quienes adoptan de entrada una posición cuantitativa o cualitativa, los
cuales se corresponden a modos diversos de enfocar el diseño metodo-
lógico en un estudio empírico, y se adscriben a diferentes paradigmas de
investigación.
En este contexto, en los estudios cuantitativos, el muestreo se ca-

racteriza fundamentalmente por recurrir a muestras de gran tamaño, y
frecuentemente con la pretensión de generalización de sus hallazgos. En
cambio, en estudios de carácter cualitativo, el muestreo adopta más bien
la forma de una selección de casos o informantes, y en donde el tamaño
de las muestras es reducido, persiguiendo una representatividad estruc-
tural, en tanto persigue dejar representadas las diferentes posiciones y/o
puntos de vista del colectivo.
Abordar el tema del muestreo implica inicialmente reconocer que este

tópico metodológico se constituye en una moneda de dos caras, en una
de ellas visualizamos la necesidad de determinar la forma de selección
de las personas (quiénes) y en la otra identificamos la decisión referida
al tamaño de la muestra a consultar en el estudio (cuántos).
Es en este contexto en donde reconocemos que tan importante como

definir aquello que se consultará a los sujetos informantes en el proceso
mismo de investigación, es resolver a cuántos y a quiénes preguntar,
siendo este un tema que se debe resolver, ya sea, desde la perspectiva
cuantitativa o cualitativa.
Lo precedente, se pretende ilustrar en la siguiente Figura 1.
¿A cuántos?
POBLACIÓN
MUESTRA
¿A quiénes?
Figura 1. Interrogantes que plantea el muestreo

De entrada, me parece que la temática del muestreo se presenta

habitualmente como una materia árida y mecánica, de la cual habitual-
mente se le identifica desde su aproximación cuantitativa.
En este escenario, no son pocos quienes desde el arranque se alejan

de esta aproximación; ya sea, por una visión reduccionista de lo cuan-
titativo, por insuficiente comprensión y manejo de sus procedimientos o
simplemente por una visión paradigmática erróneamente ideologizada.
Mientras los primeros podrían reparar en la paradoja de lo cuantitativo,
en cuanto a que la dificultad radica en su complejidad comprensiva; es
decir, en la dimensión cualitativa del mismo, los segundos podrían adver-
tir que en la actualidad cada vez son menos quienes abogan por la exclu-
sividad de los métodos en relación a los paradigmas epistemológicos.
En este mismo escenario están quienes desde una postura ligera-

mente reflexionada desarrollan procedimientos poco rigurosos en donde
el valor del dato pierde sentido, traicionando el rigor propio de estos mé-
todos. Al respecto, valga la siguiente cita:
“A veces veo una receta que exige una taza de esto, unas cu-
charadas de aquello, una pizca de lo de aquí, cuatro o cinco
rodajas de lo de allá, un par de no sé qué de tamaño mediano
y condimentación al gusto. No es esta vaguedad lo objetable,
sino la aritmética que se deduce de ella. Al final de la receta, en
letra cursiva, se dice que la receta en cuestión da, por ejemplo,
para cuatro raciones, con 761 calorías, 428 miligramos de sodio
y 22,6 gramos de grasa cada una. Estas cantidades son dema-
siado exactas para lo que se cuece. El 1 de 761 es ridículo y casi
diría que el 6 también” Allen, J. (2005:226).
Del mismo modo, lamentablemente, el concepto de aleatoriedad o

azar ha llevado a equívocos a muchos investigadores, al asociarse con
lo casual, lo accidental y lo carente de objetivo y dirección. Nada más

alejado de la realidad, de hecho los procedimientos orientados a conse-
guir el azar, requieren de mucha atención de parte de los investigadores.
En realidad, como plantea Kerlinger, F. (1991), la aleatoriedad está aso-
ciada más bien a la imposibilidad de predicción individual de cierto tipo
de eventos.
Por otro lado, a menudo se afirma erróneamente de manera taxativa

que los muestreos no probabilístico involucran siempre a pocas perso-
nas. Por el contrario, si el estudio es de carácter cuantitativo y se asume
esta modalidad de muestreo no probabilística, el tamaño de la muestra
siempre es grande.
En contra de lo anterior, considérese por ejemplo un examen hemato-

lógico en donde a pesar de que teóricamente basta con una sola persona
a la cual se le extrae una pequeña muestra de sangre, esto basta para
estimar la cantidad y/o razón de leucocitos, eritrocitos, hemoglobina y
plaquetas, entre otros componentes. En este caso, se trató sólo de un
único sujeto; no obstante, la unidad de análisis corresponde a cada uno
de los componentes señalados previamente, los cuales sí constituyen
una muestra representativa de la población de éstos.
En consecuencia, tengo la impresión de que generalmente, ninguna

de las aproximaciones se lleva a cabo en forma rigurosa. Más bien, la
mayoría de las veces se opera y luego se justifica, tal como lo grafica
Allen, J. (2005) en aquel viejo cuento de un agricultor aficionado a la
caza que tenía la pared del granero acribillada por impactos de bala,
todos en el centro de sendos círculos dibujados con tiza. Cuando le pre-
guntaron cómo había adquirido aquella puntería, el agricultor confesó
que primero disparaba y a continuación dibujaba el círculo.
Del mismo modo, están quienes exaltando el valor del número frac-
cionado como representación de la exactitud, llevan al lector a una per-
cepción errónea. Al respecto, valga la referencia al cuento en que se

narra la situación de dos militares que custodiaban un regimiento, advier-
ten que a lo lejos se aproximan tropas enemigas, el capitán ordena a su
sargento que se acerque a estos hasta estimar la cantidad de efectivos
que lo constituían. Cuando el sargento había caminado un par de pasos
fuera de la base militar, da media vuelta y regresa ante su superior, seña-
lándole: son como 501 mi capitán, frente a lo cual este último maravillado
por la aparente exactitud de la estimación, le dice: lo felicito hombre, le
ha bastado caminar unos pocos metros para estimar con gran precisión
el número de efectivos enemigos, tiene que decirme cómo lo hizo, frente
a lo cual el sargento le señala: muy fácil mi capitán, observé que viene
uno adelante y como quinientos atrás.
Con todo, la explicitación de las ventajas del muestreo bien realizado,

a menudo se reducen a señalar el ahorro de tiempo y de recursos; sin
embargo, coincido con quienes como Cochran, W. (1972), González, M.
(1997) y Cea, M.ª (2004) resaltan además la mayor precisión que se pue-
de lograr en contraposición en trabajar con toda la población, dado que
puede prestarse mayor atención a la recolección de los datos, elevando
así la calidad de éstos.
Lo precedente, atendiendo a que cuando el volumen de trabajo es

reducido, es posible emplear personal capacitado al cual se le puede
someter a entrenamiento intensivo, y atendiendo a que en estas con-
diciones es factible realizar una supervisión cuidadosa del trabajo de
campo y del procesamiento de los resultados, una muestra, en realidad,
puede producir resultados más exactos que la enumeración completa
(Cochran, W.;1972).
Seleccionar una muestra dista lejos de constituirse en un asunto tri-

vial, de hecho desde una perspectiva probabilística, lograr el azar pa-
radojalmente no es un asunto espontáneo y por otro lado, desde una
perspectiva no probabilística, la ausencia de criterios de selección puede

llevarnos en la fase de análisis de los datos a interpretaciones sesgadas1,
entre otras cosas afectados por la disposición a emitir juicios a partir de
lo primero que vemos o pasa por nuestra cabeza (Allen, J.; 2005).
De hecho, respecto de esto último, puede estar presente el sesgo de

selección; ya que, es muy posible que una persona tienda a juntarse con
otras que piensan como ella, aun cuando este pensamiento sea muy mi-
noritario en la población. Frente a esto último, hay quienes plantean que el
uso del azar evita la discreción del investigador en la selección de los suje-
tos y por tanto evita el sesgo de selección (Del Pino, G. y otros; 1989).
En este contexto, para Pulido, A. (1984), debe ponerse atención al

momento de analizar los resultados en una investigación a los errores
de muestreo pues, pueden explicar las posibles diferencias entre las res-
puestas de los sujetos.
Desgraciadamente, al momento de evaluar una investigación, habi-

tualmente en lo relativo al muestreo, sólo se considera la perspectiva
cuantitativa. Este es el caso por ejemplo de Sierra, R. (1999) quien con
relación a la evaluación de una tesis o de un trabajo de investigación, en
referencia a la muestra señala lo siguiente:
“Se identificarán, en su caso, la muestra utilizada, su represen-

tatividad y adecuación respecto a la población de la que se ha
obtenido y los posibles sesgos derivados del procedimiento de
selección empleado y del error derivado de su tamaño” Sierra,
R. (1999:469).
1
En tanto, se produce un sesgo (bias en su traducción al inglés) o disimilitud entre
la muestra y la población de la que fue extraída.
Asimismo, debemos tener presente que quienes acceden a los resul-

tados de las investigaciones, tienen derecho a conocer cómo fueron con-
ducidos los estudios, asunto que la mayoría de las veces no se cumple
(Ngulube, P.; 2005).
Pero, en definitiva: ¿Qué es una buena muestra?
Lo que interesa entonces no es acceder a cualquier muestra, sino a

una buena muestra. Queda formulada entonces la interrogante acerca
de ¿qué es una buena muestra?. En principio nos quedaremos con que
una buena muestra es aquella muestra representativa. Esto último ad-
quirirá una acepción diferente, atendiendo a la pretensión cuantitativa o
cualitativa de la misma, tal como se advierte en las líneas siguientes.
Desde una perspectiva cuantitativa, diremos que una muestra re-

presentativa es un subconjunto que tiene las mismas características
generales que la población y que cuando no cumple con esta condición
se dice que es sesgada. En este plano, se afirma que sólo si la mues-
tra es representativa, puede ser generalizable (León, O. y Montero, I.
1993).
En cambio, desde el enfoque cualitativo una buena muestra corres-

pondería a aquella que es capaz de representar los diversos puntos de
vista de la población en función de diferentes características de los suje-
tos (por ejemplo: sexo, edad, posición social, etc.), mediante una suerte
de representatividad estructural.
Para que lo precedente se concrete, es decir, si la intención es gene-

ralizar, es de cardinal importancia la elección de un diseño de muestreo
apropiado. En este sentido, si se persigue la generalización, lo más in-
dicado son los muestreos probabilísticos, en donde la posibilidad de se-
lección de los sujetos es igual para todos, o al menos, ésta es conocida.
En cambio, si esta no es la pretensión, se podrá optar por un diseño de

muestreo no probabilístico (Black, J., Champion, D.; 1976).
Con todo, los criterios a tener en cuenta de parte del investigador

para determinar un tipo de diseño de muestreo probabilístico (McMillan,
J. y Schumacher, S.; 2005) y (Black, J., Champion, D.; 1976) son los
siguientes:
a) Los recursos con que cuenta (costo: dinero, tiempo, equipo co-
laborador). El costo propuesto del proyecto de investigación,
frecuentemente requiere que el investigador haga cosas que no
alcanzan al ideal que tenía considerado.
b) La información de que se dispone acerca de la población y a la

cual se pretende acceder.
c) El tamaño de la población. A pesar de que hay quienes (Black,

J., Champion, D.; 1976) señalan que si la población a estudiar
es relativamente pequeña, es decir, menos de 500 elementos,
el investigador puede decidir no tomar una muestra, sino más
bien estudiar la población total, reconociendo que no hay una
guía precisa para diferenciar entre una población grande o pe-
queña. Al respecto, considero que la percepción del tamaño de
la muestra se relaciona también con el tema en estudio y con
las características de la técnica y/o instrumentos recolectores
de datos, ya que por ejemplo, a mayor estructuración del ins-
trumento, habrá una mayor posibilidad de administrarlo a una
muestra mayor.
d) La accesibilidad de los elementos. Al respecto podemos señalar

los contactos, posición en la organización, familiaridad y expe-
riencia en organizaciones similares.
e) La necesidad de generalizar. ¿Cuán importante es generalizar

los hallazgos de su muestra a la población en general?,y
f) Por sobre todo la pertinencia entre el tipo de diseño, naturaleza

del fenómeno a investigar y propósitos del estudio.
Igualmente, para Ander-Egg, E.(1995), las cualidades de una buena

muestra, en este caso en su modalidad cuantitativa, están asociadas con
su representatividad en relación con la reproducción de las característi-
cas de la población, tamaño con respecto a la proporción del colectivo y
error muestral dentro de los márgenes aceptados.
A lo anterior, conviene agregar la sugerencia de Chao, L. (1980),

quien sostiene que para evaluar un diseño de muestreo, deberá tenerse
en cuenta su fiabilidad (referida a la precisión del muestreo) y su efecti-
vidad (referida al costo del mismo). De este modo, a decir de este autor,
un diseño se considera efectivo cuando se obtiene el mismo grado de
fiabilidad al menor costo posible.
Asimismo, puestos en el dilema de elegir qué es más importante si la

representatividad de la muestra relacionada con el conocimiento de las
características del fenómeno en estudio, o el tamaño de la misma, Fox,
D. (1981), no duda en optar por la primera: “…ningún dato tiene más
firmeza que la que tenga la representatividad de la muestra de la que se
han obtenido, por muy grande que ésta sea” Fox, D. (1981:401).
¿Qué pasos previos se deben seguir para la definición y

selección de la muestra?
En primer lugar, se debe delimitar el universo e identificar la(s)

unidad(es) de análisis. Respecto de lo primero, cabe hacer notar el ca-
rácter recursivo del universo o población; ya que esta última puede ser
considerada población o muestra, dependiendo del punto de referencia
desde el cual nos situemos. Así por ejemplo el conjunto de estudiantes

de Trabajo Social de una Universidad determinada, puede considerarse
como población, si nuestro interés se agota en esa Unidad Académica,
o por el contrario, considerar que esta es una muestra, si nuestro interés
de generalización se proyecta a toda la población de estudiantes de Tra-
bajo Social de la región o del país.
En este plano, coincidimos con Sudman (1983), en Cea, M.ª(2004)

y Ngulube, P. ( 2005), en que lamentablemente los investigadores fre-
cuentemente olvidan explicitar la población que desean estudiar o asu-
men que esta corresponde a la muestra seleccionada. En un estudio
realizado por Ngulube, P. (2005), se constató que 61 Tesis que utilizaron
estrategias cuantitativas de investigación, sólo 29 (47,54%), definieron
con claridad la población y explicaron cómo se determinó la misma.
En definitiva, esta delimitación está establecida principalmente por

la temática y los objetivos de la investigación. En este plano, se deben
explicitar las unidades que la componen (hogares, viviendas, colegios,
universidades, individuos, etc.), las características sociodemográficas
esenciales que la diferencien de otras poblaciones (sexo, edad, estado
civil, etc.) y su ubicación en el espacio y en el tiempo. Un ejemplo de
delimitación de una población podría ser la siguiente:
Población de 1200 hogares de estrato socio-económico medio

ubicados en los cerros de la comuna de Valparaíso en la prima-
vera de 2009.
Indudablemente que toda explicitación será bienvenida, por ejemplo

si se trata de casas y/o departamentos, dependiendo de los objetivos de
la investigación y los recursos con que se cuente, entre otros aspectos.
En este plano, García, M., Ibáñez, J. y Alvira, F. (1994:367) señalan

que: “Para que realmente se pueda iniciar con garantía el proceso de
muestreo es necesario acotar el universo y conocer las unidades que lo

componen. Acotar el universo significa concretar perfectamente la pobla-
ción que va a ser objeto de estudio”.
Al respecto no siempre coincide la población con la fuente de infor-

mación, por ejemplo si se consulta a los jefes de hogar en representación
del mismo, la población son los hogares, no los individuos.
Autores como Fox, D. (1981), realizan una detallada distinción con-

ceptual en lo que denominan el ciclo de muestreo, el cual comienza con
la determinación del universo pertinente para el estudio del problema
de investigación, y después determina la parte de este a la que se tiene
acceso (población). A continuación, decide el tamaño muestral, seleccio-
nando e invitando a los sujetos pertinentes (muestra invitada), de lo que
resulta la muestra aceptante, de la totalidad o parte de esta se deriva a
continuación la muestra productora de datos, necesaria para el análisis
de los datos y posterior establecimiento de la generalización y de con-
clusiones.
En este último punto Black, J. y Champion, D. (1976) coinciden con

Fox, D. (1981), en la distinción entre muestra ideal y la muestra real efec-
tiva, en donde el investigador debe esforzarse por ser consistente con
su esquema metodológico. Sin embargo, el investigador también debe
comprender las alternativas en su estrategia, atendiendo a las circuns-
tancias sobre las que tiene poco o ningún control. Esta es una razón, por
la que algunos prefieren considerar los métodos de investigación y sus
aplicaciones más como un arte que como una serie de pasos mecánicos
en una fórmula.
Con todo, normalmente hay diferencias entre lo que teóricamente ha-

bríamos de hacer en el muestreo y lo que en la práctica se acaba reali-
zando. En este sentido, podrían haber diferencias entre el tamaño de la
muestra ideal, la muestra invitada (generalmente mayor, para asegurar
el tamaño previsto) y la muestra aceptante. Por lo anterior, en la aplica-

ción de encuestas por ejemplo, generalmente se recurre a la reposición
de los casos que no han aceptado participar, estando previsto que se
cuente con otros sujetos (suplentes) para incorporarse en la muestra si
fuera necesario. En concreto, por ejemplo: si se establece una muestra
ideal de tamaño 250, probablemente se invite a 280, para asegurar el
cumplimiento de lo requerido.
Asimismo, se debe tener presente que incluso en poblaciones peque-

ñas puede que responda sólo una muestra.
De igual modo, debemos establecer un plan de muestreo (Black, J.,

Champion, D.; 1976), el cual especificará: (a) cómo serán seleccionados
los elementos de la población y (b) cuántos elementos serán seleccio-
nados.
Lo precedente, sin embargo, adquiere un mayor grado de flexibili-

dad desde la perspectiva de los muestreos cualitativos, en los cuales a
decir de Flick, U. (2004), la estructura de la muestra se puede definir de
antemano y completarse recogiendo datos, o se puede desarrollar y dife-
renciar más paso a paso durante la selección la recolección de los datos
y su análisis e interpretación. La decisión por alguno de los caminos se-
ñalados, en términos de definir por adelantado la muestra o desarrollarla
gradualmente, estaría en gran medida determinada por los propósitos de
la investigación, así como también, por el grado de generalización que
se persigue.
Aplicación
Responda las siguientes interrogantes:
1. ¿Por qué es importante acotar la población e identificar las

unidades que lo componen?
2. ¿Por qué no siempre coincide la población con la fuente de

información? Señale un par de casos.
3. ¿A qué se debe que puedan haber diferencias entre la mues-

tra ideal y la muestra real efectiva?
Capítulo II
Los diseños de muestreo en un
proceso de investigación
¿Qué diseños de muestreos hay?
El plan de muestreo se operacionaliza en parte en un diseño que

da cuenta de la forma en que serán seleccionados los elementos de la
población. Como veremos más adelante, la elección del tipo de diseño a
adoptar se encontrará influído por los propósitos del estudio, cracterísti-
cas de la población y pretensión de la perspectiva cuantitativa o cualita-
tiva de muestreo adoptada.
De acuerdo al criterio de selección de los elementos que integran la

muestra se distinguen los diseños de muestreos probabilístico y los no
probabilístico. Se presentan a continuación los principales diseños en el
Cuadro 1.
Cuadro 1. Diseños de muestreo
Probabilísticos No probabilísticos
Muestreo aleatorio simple (Simple Muestreo sistemático (Systematic
Random Sampling2) Sampling)
Muestreo estratificado proporcional:
Muestreo por cuota (The Quota
(Proportionate Stratified Random
Sample)
Sampling)
Muestreo estratificado no
Muestras Accidentales (Accidental
proporcional (Disproportionate
Samples)
Stratified Random Sampling)
Muestreo por conglomerado - de Muestreo intencionado (Judgmental or
racimo (Area or Cluster Sampling) Purposive Sampling)
Muestreo Polietápico (Multistage Muestreo de Bola de Nieve (Snowball
Sampling) Sampling)
Muestreo por saturación (Saturation
Sampling)
Diseños de muestreo probabilístico
Este diseño de muestreo es utilizado exclusivamente en el muestreo

cuantitativo, el cual como se señalara previamente persigue la genera-
lización de los resultados obtenidos en una muestra aleatoria hacia la
población en su conjunto, con el propósito de estimar los parámetros de
esta última y/o probar estadísticamente las hipótesis formuladas.
Lo precedente se ilustra en la Figura 2, que se presenta a continua-

ción.
2
Se presentan los nombres de los diferentes tipos de diseños en inglés, para
facilitar su búsqueda bibliográfica o en Internet.
Parámetros .Ej. M (media poblacional)
POBLACIÓN
Estimación
MUESTRA
Estadígrafos.
Ej. (media muestral)
Figura 2. Aspiración de inferencia del muestreo cuantitativo
En el muestreo probabilístico, los sujetos se extraen a partir de una

población más amplia de manera que se conoce la probabilidad de se-
lección de cada miembro de la población, aunque las probabilidades no
son necesariamente iguales (McMillan, J. y Schumacher, S.; 2005). Su
principal objetivo consiste en estimar parámetros de la población, tales
como la media o el total, en función de la información contenida en una
muestra (Scheaffer, R. y otros; 2007:10).
Con todo, según Cea, Mª A. (2001) el muestreo probabilístico se ade-

cua a investigaciones en las cuales en sus propósitos está la estimación
de parámetros y/o la comprobación de hipótesis estadísticas (test de sig-
nificatividad o significancia).
Idealmente, para trabajar con un muestreo probabilístico (Probability

Sampling Plans) se requiere que el investigador satisfaga las siguientes

condiciones:
a) El tamaño de la población (N) del cual se obtendrá la muestra

debe ser conocido.
b) El tamaño de la muestra (n) deseada debe ser especificado.
c) Cada elemento o grupo de elementos debe tener la misma

oportunidad de ser incluido en la muestra; o al menos, seña-
la González, M. (1997) que la probabilidad sea conocida para
cada caso.
Black, J., Champion, D. (1976) reconocen sin embargo la dificultad de

cumplir con estas condiciones desde una perspectiva práctica, principal-
mente la primera y la tercera de ellas.
Una de las principales muestras probabilísticas son las muestras

aleatorias, en las que cada sujeto de la población o de subgrupos de ella
tengan las mismas posibilidades que otros miembros del mismo grupo
de ser elegidos. El muestreo aleatorio impide el sesgo, ya que hay una
alta probabilidad de que todas las características de la población estén
representadas en la muestra (McMillan, J. y Schumacher, S.; 2005).
El tema es entonces, cómo diseñar un muestreo aleatorio. Al respec-

to, Black, J., Champion, D. (1976) sugieren que antes de seleccionar una
muestra se consideren las siguientes preguntas:
a) ¿Cuál es el tamaño de la población (N)?
b) ¿Cuál es el tamaño de la muestra deseada (n)?
c) ¿Es posible enumerar la población, asignando a cada elemento

un número, o el investigador está interesado en seleccionar un
racimo de elementos o un vecindario o área geográfica especí-
fica?
d) ¿Quiere estratificar la muestra de alguna manera, de acuerdo a

características como sexo, edad, raza, estrato socioeconómico,
entre otras?
Los procedimientos para obtener una muestra aleatoria son princi-

palmente:
● Tómbola, pecera o bolsa (The Fishbowl Draw): es el método
más simple y popular; sin embargo, por su escasa sofisticación
es criticado por algunos.
● Tablas de números aleatorios 3 (The table of random numbers):
2
ideal para obtener muestras de poblaciones pequeñas, pues

con colectivos grandes el proceso se vuelve tedioso. Disponi-
bles en la mayoría de los textos de estadística y en Internet. Ver
Tabla 1. Supóngase por ejemplo que un investigador tiene una
población de 120 sujetos y desea seleccionar 40. En primer lu-
gar, asigna un número a cada sujeto comenzando por el 01 has-
ta el 120 de la población. A continuación, selecciona al azar un
punto de partida en la tabla de números aleatorios. En seguida,
lee los números de tres dígitos, moviéndose por las columnas
o por las filas. De esta manera, el investigador continúa selec-
cionado cuarenta números de tres dígitos entre 001 y el 120. Es
así como, si el investigador elige comenzar por la cifra ubicada
en la octava fila primera columna (04684), comenzará por el
3
Los números aleatorios (random number, en su traducción al inglés) son gene-
rados a partir de fenómenos naturales o físico-químicos. En tanto que los números
generados por software simulan a estos últimos. Para ello emplean una serie de al-
goritmos que siguen una fórmula determinada y que comienzan por un valor o semi-
lla, obteniendo una secuencia de valores, configurando ciclos. Por lo anterior, si bien
estos números generados computacionalmente, se les considera pseudoaleatorios,
operan como aleatorios para los efectos de muestreo.
número 046, para luego continuar con la fila número treinta de

la primera columna (05182), seleccionando el número 051 y así
sucesivamente.
● Programas de números aleatorios: recomendado especial-
mente para poblaciones extremadamente grandes. Actualmen-
te se puede acceder a ellos con mucha facilidad a través de
software de dominio público (shareware) a través de Internet,
ver por ejemplo el programa Random Number Generator Pro.
Version 1.66 (ver Cuadro 2 disponible en http://www.descargar-
lo.com/10875-descargar-gratis-Random_Number_Generator.
html) y el programa STATS® (ver Cuadro 3) proporcionado por
Hernández; R., Fernández, C. y Baptista, P. (2003), que entre
sus opciones, permite generar números aleatorios.
Tabla 1: Parte de una Tabla de Números aleatorios 4 2
60187 61616 01429 07970 05517 52925 24104 78607 54766 81929 64989 70598
92235 65438 43635 33491 76225 22874 32949 53458 33228 45994 68244 39277
12179 71549 35520 18410 09560 49352 18799 62691 64569 63562 67390 83020
96758 03754 49321 87936 05413 46398 59110 89617 45552 09502 08042 64503
81941 00413 92880 14720 15730 62752 49866 59884 96847 00547 51754 71767
35083 25609 52866 05053 40544 02404 82240 24555 18246 99256 35920 54700
39795 55189 63958 00523 68412 40072 22616 88596 25564 80705 60824 26050
04684 48679 83415 37955 65891 01837 83777 80313 00016 44514 36851 82946
95281 22927 92719 81129 38087 75798 34156 26179 64881 64855 04107 77566
61761 72165 93396 24129 57458 02172 99906 48923 58897 10583 55176 42035
89158 23935 85897 17489 96832 74511 10503 38772 75055 60701 49418 22027
87659 49248 75616 55824 70556 60477 49051 95471 54228 45660 34622 53346
61290 29451 81591 71628 69040 24177 00937 14660 43365 81714 26704 07688
22969 39863 79240 69571 06134 07533 11463 67761 19585 32654 46391 25845
88341 53728 54030 57746 38350 59710 07233 02859 18183 29955 37665 51931
76125 84080 57750 44663 65413 52483 16579 28744 59485 29756 10142 65481
57259 72786 58410 09819 21147 35495 36026 04003 53607 73773 59021 21844
78566 78103 72208 95789 90762 58178 98995 29343 25884 64372 91624 00007
98613 40645 38460 72468 57198 12609 59809 56698 64823 42148 33746 65625
24818 22024 90561 66690 10909 24874 00407 39525 45822 06386 39067 91438
16756 20883 99623 18549 48874 79505 07836 64706 86492 43209 66736 02764
58026 16213 45300 99666 30045 33612 71236 32466 14378 77303 53584 82449
92318 78135 77401 05432 80591 01808 06575 19772 18409 62345 48777 52879
79913 64612 46873 29419 94288 43852 96845 07705 56612 49021 59375 54988
47849 82163 92766 91118 43332 00205 73493 31010 64403 60476 71086 11561
65684 90076 46499 99961 04640 65348 62136 60955 20674 37175 12953 96211
85182 02165 00222 79531 88275 32814 05581 57854 07131 98399 27174 34986
93372 81526 44197 77082 39869 27952 63894 62859 07997 02961 70235 33056
69281 06032 02737 31736 33836 03687 16198 33692 08045 81293 55733 22027
05182 73514 43106 08667 06729 58118 52900 85188 47180 91082 06920 67812
33036 62571 36110 24001 54241 04768 77200 26255 01273 91475 07766 54361
54274 46169 71217 95137 10393 81874 95444 03204 25117 44843 51911 28472
64770 80383 57006 16244 07391 18143 32847 65513 77654 36712 12892 35158
88963 89783 95292 58789 28952 25140 79045 74550 88692 88266 43953 78395
66496 15950 48691 87224 02908 36236 26872 28073 94726 00038 69420 73307
4
Fuente: http://mx.geocities.com/fracosta11/estadisticas/tablarnd.html revisada el
5/5/09.
Cuadro 2. Programa Random Number Generator Pro

Cuadro 3. Programa Stats
A partir de lo anterior, podemos identificar los siguientes tipos de

muestreos probabilístico:
Muestreo aleatorio simple (Simple Random Sampling):
Este tipo de muestreo se basa en el azar y consiste en enumerar a

cada elemento de la población y seleccionar a los pertenecientes a la
muestra a partir de los procedimientos ya descritos, como por ejemplo:
tabla de números aleatorios o a través de algún software específico. En
este caso, todos los sujetos de la población tienen la misma probabilidad
o posibilidad de resultar seleccionados en la muestra.
A pesar de su nombre, su simplicidad no se encuentra eximida de tra-

bajo, pues para poblaciones grandes, enumerar a todos sus elementos
puede resultar una tarea ardua. Por lo anterior, generalmente se utiliza
con poblaciones pequeñas.
Se considera la base en la que se sustentan todos los diseños mues-

trales probabilísticos, aunque para algunos entre ellos Vivanco, M. (en
Canales, M., 2006) éste no se constituiría en una estrategia o diseño
muestral en sí mismo.
Ventajas:
● Todos los elementos de la población tienen una probabilidad

igual e independiente de ser incluidos en la muestra.
● Sirve como base para ser combinado con otros métodos de
muestreo. De hecho, el resto de los diseños de muestreos pro-
babilístico incorporan este procedimiento.
● Es el más fácil de entender y aplicar, debido a las menores exi-
gencias de selección requeridas en este diseño.
● El investigador no necesita conocer la verdadera composición
de la población.
● Es relativamente fácil calcular su error muestral.
Desventajas:
● No aprovecha el conocimiento que tiene el investigador acerca

de la población.
● No garantiza que los elementos existentes en menor cuantía en
la población sean incluidos en la muestra.
● Presenta un mayor error muestral que el muestreo estratificado,
basado en la heterogeneidad del diseño muestral.
Muestreo estratificado proporcional: (Proportionate Stratified

Random Sampling)
Cuando el investigador tenga algún conocimiento acerca de la pobla-

ción (distribución por sexo, edad, etc.), puede desear utilizar un mues-
treo de este tipo, identificando subconjuntos o estratos de la población,
claramente diferenciados. Un ejemplo de esto último pudiera ser en el
caso de un investigador que desee realizar un estudio al interior de di-
ferentes establecimientos educacionales de la comuna, el considerar
como criterio de estratificación a su financiamiento, tal como se expresa
en la siguiente figura:
Establecimientos
educacionales
de la comuna
Municipalizados Subvencionados Particulares
Figura 3. Ejemplo de estratificación

A su vez, la selección de los elementos se lleva a cabo con posterio-

ridad al establecimiento de los diversos estratos y asignación de cada
elemento al estrato que pertenece. De igual manera, en cada estrato se
realiza la selección mediante un muestreo aleatorio simple.
De este modo, este tipo de muestreo pretende conseguir represen-

tatividad en función de determinadas características, cuya distribución
en la población deseamos asegurar que esté reflejada también en la
muestra.
En este caso, el procedimiento de distribución de los elementos entre

los estratos (afijación), contempla que el tamaño de cada estrato de la
muestra sea proporcional al tamaño del estrato en la población.
Ventajas:
● Mejora la representatividad de la muestra, permitiendo que

aquellos elementos de poca cuantía en la población, sean in-
cluidos en la muestra. Esto último lo hace superar al muestreo
aleatorio simple.
● Presenta menor error muestral que el muestreo aleatorio sim-
ple.
● Considera el peso de cada estrato en la población total, de
acuerdo a su frecuencia en esta.
● Permite comparaciones fáciles entre los diferentes estratos.
Desventajas:
● Es más difícil de obtener ya que exige que el investigador tenga

conocimiento acerca de algunas características de la composi-
ción de la población.
● Involucra mayor tiempo para obtener los elementos de cada es-

trato.
● Exige prolijidad en la clasificación de los elementos en los dis-
tintos estratos.
● Muestreo estratificado no proporcional (Disproportionate Strati-
fied Random Sampling).
Este muestreo es muy similar al muestreo estratificado proporcional,

salvo que esta vez los estratos no necesariamente se distribuyen de
acuerdo al peso que tienen en la población. En este caso, cada estrato
aporta el mismo número de sujetos a la muestra (con afijación constan-
te), lo que favorece la comparación de grupos.
En definitiva, un investigador enfrentado a la desición de optar por un

muestreo estratificado proporcional o por uno no proporcional, en buena
parte su elección se verá influída por las características de la población
y propósitos del estudio.
Muestreo por conglomerado - de racimo

(area or cluster sampling)
Tiene su origen en la agricultura y consiste en elegir una unidad ma-

yor o conglomerado el cual está compuesto por un grupo de elementos,
que represente a la población. Considérese por ejemplo la extracción
de un racimo mayor en una parra de uvas. En ciencias sociales se ha
utilizado este diseño para investigaciones de carácter demográficas y
ecológicas, basados en el diseño de encuestas.
Este tipo de muestreo es aplicable cuando en la población preexiste

un agrupamiento natural de los individuos, que no es fruto de la dis-
tinción establecida por el investigador. Esto lo diferencia del muestreo
estratificado, en el que el investigador establece distinciones en función
de alguna característica, sin que ello implique un agrupamiento físico de

los sujetos.
La selección de los elementos se lleva a cabo una vez que se han

establecidos los conglomerados y asignado cada elemento a su conglo-
merado de pertenencia.
Supóngase por ejemplo que un investigador desea realizar un estu-

dio con estudiantes de educación media o secundaria en una comuna
determinada, este podría proceder de la siguiente manera, tal como lo
ilustra la figura que se presenta a continuación:
Establecimientos
educacionales de
la comuna
Establecimiento Establecimiento Establecimiento Establecimiento ... Establecimiento

1 2 3 n
Figura 4. Ejemplo de muestreo por conglomerado

Ventajas:
● Es más fácil de aplicar en poblaciones o áreas geográficas

grandes.
● Es de menor costo comparado con otros diseños de muestreo.
● Es flexible; ya que admite diferentes diseños o formas de mues-
treo en diversas etapas del mismo.
Desventajas:
● Hay un mayor error muestral.
Muestreos polietápicos
La realización de la selección se lleva a cabo en varias etapas o pa-

sos, de tal manera que se van eligiendo de modo progresivo unidades
muestrales de menor tamaño. Por ejemplo, supóngase que elegimos
aleatoriamente establecimientos educacionales, para después dentro de
cada establecimiento elegir tres cursos, y finalmente elegir al azar 10
estudiantes de cada curso.
En el caso de los muestreos por conglomerados ya señalados, se

puede dar una variante polietápica, estableciendo un procedimiento en
el cual se lleven a cabo submuestreos en distintos conglomerados y en
etapas sucesivas. Del mismo modo, en lo referido a los muestreos es-
tratificados, se podrían desarrollar procedimientos de submuestreos pro-
gresivos, atendiendo a los diversos niveles de estratificación.
Lo precedente se pretende ilustrar en la siguiente figura:

Establecimientos
educacionales
de la comuna
Establecimiento Establecimiento Establecimiento ...

1 2 n
1ª Año 2ª Año 3ª Año 4ª Año
Estudiantes
Figura 5. Ejemplo de muestreo polietápico

Aplicación
1. ¿Qué papel juega el azar en los diseños probabilísticos?
2. ¿Por qué los muestreos cuantitativos privilegian los diseños

probabilísticos?
Diseños de muestreo no probabilístico
Diseño de muestras no probabilísticas
La utilización de este tipo de diseños puede darse tanto en muestreos

cuantitativos como cualitativos. En el caso de los primeros, su implemen-
tación tiene lugar cuando los diseños probabilístico no resultan apropia-
dos o son de difícil aplicación.
Su propósito es formarse una impresión gruesa acerca de la pobla-

ción. Es difícil determinar el error muestral y por tanto sus posibilidades
de generalización a la población (Black, J., Champion, D.; 1976). Para
los autores señalados precedentemente, el muestreo no probabilístico
(Nonprobability Sampling Plans) no está diseñado para realizar inferen-
cias. Sin embargo, para González, M. (1997), este tipo de muestreo per-
mite hacer inferencias lógicas.
Con todo, según Cea, Mª A. (2001) el muestreo no probabilístico se

adecua a diseños de investigación en los cuales su propósito es explo-
ratorio, hay un interés más en profundizar que en la representatividad
estadística de los datos y/o que las poblaciones objeto de estudio son
de difícil registro o localización (poblaciones marginales), por ejemplo:
inmigrantes ilegales, delincuentes, drogadictos, etc.
A su vez, para Goetz, J. & LeCompte, M. (1988) el muestreo proba-

bilístico puede no resultar apropiado y por tanto es aconsejable optar por
un diseño no probabilístico cuando:
● Aún no se han determinado todas las características de la po-
blación mayor.
● Los límites del grupo no son naturales.
● La generalización no es un objetivo importante.
● Sólo algunos o un subconjunto de características son relevan-

tes para responder al problema de investigación.
● Los investigadores no tienen acceso a la totalidad de la pobla-
ción.
● Se pretende describir un fenómeno poco conocido.
Si bien es cierto, hasta aquí se ha mencionado el término generali-
zación en su acepción estadística, vale decir, en su aspiración a la es-
timación de parámetros y pruebas de hipótesis, para Higginbottom, G.
(2004), el concepto de muestreo no probabilístico para la generalización
se forma mediante el concepto de generalización empírica, el cual se
basa en la noción de muestreo intencionado en orden a establecer lo
típico de los contextos (escenarios) o grupos. Del mismo modo, consi-
dera que la credibilidad de los estudios cualitativos se puede mejorar
mediante la explicación de los procesos y pasos usados en el muestreo
y estableciendo generalización empírica de los hallazgos.
Principales Muestreos no probabilístico
Se presentan a continuación los diseños de muestreos más utilizados

en la actualidad.
Muestreo sistemático (Systematic Sampling)
Este tipo de muestreo tiene ciertas características de aleatoriedad y

al mismo tiempo posee características de no probabilístico. Obtiene una
colección de elementos de cada enésimo número de personas desde
una lista predeterminada de ellas. Supóngase que se desea seleccionar
una muestra del 20% a partir de una población de 1000 sujetos. Primero
se elige al azar un número del uno al veinte. Si sale elegido el 10, se se-
leccionará cada veinteavo número de la lista 10, 30, 50, 70, etc., lo cual
pretende representarse en la siguiente figura:
1º_____10º_____30º_____50º_____70º . . . . . .____________1000º
Figura 6. Ejemplo de muestreo sistemático
Este tipo de muestreo exige que la lista se encuentre ordenada en

base a alguna característica.
Ventajas:
● Es fácil de usar.
● Es rápido de usar.
Desventajas:
● Para Blalock (1972) en Black, J., Champion, D. (1976), cuan-

do las listas son alfabéticas, se puede dar un sesgo de sobre
o sub-representación de ciertos grupos étnicos. Apellidos que
comiencen con Mc pueden estar sobre-representados, mientras
ciertos nombres orientales serán sistemáticamente excluidos o
sub-representados. En nuestro caso, pudiera suceder con los
apellidos que comiencen con G (González), A (Atan), etc.
● Porque cada elemento no tiene la misma probabilidad de ser
incluido, no se considera una muestra aleatoria.
Lo precedente, dado que ignora a todas las personas entre cada ené-
simo número de elementos. Porque excluye a ciertos elementos desde
la muestra resultante no es considerada un muestreo probabilístico. No
obstante, hay autores que lo consideran entre los muestreos probabi-

lístico (McMillan, J. y Schumacher, S.; 2005), dado que al inicio de la
selección opera el azar.
El muestreo por cuota (The Quota Sample)
En este tipo de muestreo el investigador obtiene un número desea-

do de elementos, seleccionado aquellos más accesibles y aquellos que
poseen ciertas características que le interesan. De esta manera, el in-
vestigador decide qué características importan, el tamaño de cada cuota
y el número de cuotas que comprende la muestra. Es así como, el in-
vestigador identifica diferentes perfiles entre los principales grupos de la
población y, posteriormente, se selecciona a los sujetos, de manera no
aleatoria, para representar a cada grupo (McMillan., J, y Schumacher,
S.; 2005).
Ventajas:
● Menos costoso que la mayoría de los otros diseños tanto proba-

bilísticos como no probabilísticos. Se puede ajustar convenien-
temente a estudios exploratorios.
● Resultan convenientes cuando se buscan resultados rápidos y
globales.
● Puede garantizar la inclusión de ciertos tipos de gente en la
muestra.
Desventajas:
● Los elementos más accesibles, no son necesariamente los típi-

cos.
● Al no ser probabilístico no es generalizable estadísticamente,

pues no se sabe si la población es como la muestra obtenida.
● Puede operar un sesgo de clasificación de los elementos, al no
considerar las variables más importantes a tener en cuenta.
Muestras Accidentales (Accidental Samples)
Este tipo de muestreo es semejante al muestreo por cuotas, pero

esta vez el investigador no pone atención en incluir personas que posean
ciertas características sino más bien, está guiado por la conveniencia y
la economía.
Ventaja:
Conveniencia y economía.
Desventaja:
● Limitado poder de generalización.

● Alto sesgo.
● No hay evidencia de muestra probabilística.
Muestreo intencionado (Judgmental or Purposive Sampling)
En este tipo de muestreo también denominado muestreo de juicios,

el investigador ejercita su juicio para incluir elementos que se presupone
son típicos de una población sobre la cual busca información. Por lo an-
terior, es fundamental el conocimiento previo que posea el investigador
acerca de las características de la población.
Un ejemplo de lo anterior podría ser el caso de un investigador que in-

teresado en estudiar el proceso de inserción de los estudiantes de primer
año a la Universidad, levantara como uno de los criterios a considerar la

variable o aspecto relativo a la procedencia de estos (de la región o fuera
de ella). De este modo, podría el investigador seleccionar casos en los
cuales los estudiantes provengan de la zona y otros en los cuales estos
tengan su domicilio permanente fuera de esta.
Ventajas:
● Su costo
● Garantiza la presencia de ciertos elementos para el diseño de la
investigación.
Desventajas:
● No hay manera de asegurar que la muestra es representativa

en el sentido estadístico. Lo precedente, sin embargo, es re-
suelto desde la perspectiva cualitativa, mediante la justificación
teórica y conceptual.
● El énfasis puesto por el investigador en acceder a elementos tí-
picos, limita su generalización estadística. Lo señalado, al igual
que en el punto precedente, desde una mirada cualitativa, lejos
de ser un defecto, se constituye más bien en una virtud.
● Escaso poder inferencial.
Muestreo de Bola de Nieve (Snowball sampling)
En este caso, el investigador accede a los sujetos de manera pro-

gresiva; es decir, de un sujeto a sus amigos, de cada uno de ellos a sus
respectivos amigos y así sucesivamente, hasta converger a un patrón
completo. Lo precedente, se pretende representar en la siguiente figura:
1 persona
2 personas
4 personas
8 personas...
Figura 7. Representación gráfica del muestreo de bola de nieve
Esta técnica es básicamente sociométrica y requiere que el investiga-

dor elabore un perfil de una o más características concretas buscadas en
los sujetos a seleccionar. De esta manera, la primera persona a seleccio-
nar se encuentra de algún modo ya determinada.
Este tipo de muestreo se le conoce también como muestreo en cas-

cada o muestreo en cadena y es particularmente utilizado en situaciones
en que los sujetos no componen un grupo naturalmente limitado y por
tanto, se encuentran dispersos en otras poblaciones.
Ventajas:
● Útil para estudiar organizaciones sociales pequeñas, normal-

mente de un tamaño no superior a 100.
● Puede develar patrones de comunicación, poder comunitario y
toma de decisiones.
Desventajas:
● No permite utilizar métodos estadísticos probabilísticos.

● Cuando la muestra excede ciertos límites de tamaño, la técnica
se hace impracticable. Imagínese establecer las relaciones en-
tre 200 o más individuos.
Muestreo por saturación (Saturation Sampling)
El muestreo por saturación no es realmente un muestreo ya que se

define como la obtención de todos los elementos en una población dada
que presentan características de interés para el investigador. Es de alto
costo y no se sugiere para poblaciones de más de 1000 elementos.
Junto a lo anterior, se pueden agregar otros tipos de muestreo, ex-

presados por Patton, M. (1987) entre los que se cuentan: de casos ex-
tremos, de casos homogéneos, casos confirmatorios y casos disconfor-
matorios, entre otros.
Con todo, Trost, J. (1986) sugiere una técnica para conformar una
muestra no probabilística con relación al análisis de los datos del estudio.
Básicamente esta técnica consiste en seguir una serie de pasos:
● Listar un número de variables independientes (aspectos o ca-
racterísticas de los sujetos), relevantes para los propósitos del
estudio, basados en la teoría, la experiencia, observaciones o
cualquier otro criterio importante para la investigación. Ej.: sexo,
escolaridad, tipo de familia, etc.
● Eliminar de la lista aquellas variables o aspectos que son me-
nos visibles (conocidos) y dejar aquellas más fáciles de usar.
● Decidir el formato en que estas variables o aspectos serán dico
tomisadas o trico tomisadas y decidir dónde se fijará el límite de
las categorías. Por ejemplo, decidir dónde establecer el límite

entre viejo y joven en un estudio de familias.
● Combinar las variables o aspectos seleccionados en una tabla,
cuidando que su número sea manejable y suficiente (30 a 40
celdas).
● Reconocer aquellas variables o aspectos a los que se puede
acceder de manera empírica.
● Completar las celdas con los casos, objetos, o sujetos en or-
den a construir la muestra. Cada sujeto representará su celda o
combinación de características. Una celda puede contener más
de un sujeto y de esta manera dos o más sujetos pueden estar
representados en la misma celda. La muestra no será represen-
tativa en un sentido estadístico, pero garantizará una variación
de algunas de las variables independientes.
Por ejemplo en un estudio acerca de las relaciones entre los adoles-

centes y sus padres, puede construirse la siguiente matriz:
Cuadro 4. Ejemplo de muestra estratificada estadísticamente no

representativa
Tipo de Familia de un padre Familia de dos padres

familia (Monoparental) (Biparental)
Número de
Uno Dos o más Uno Dos o más
hijos
Hogar Depto. Casa Depto. Casa Depto. Casa Depto. Casa
Ingresos
Alto Bajo Alto Bajo Alto Bajo Alto Bajo Alto Bajo Alto Bajo Alto Bajo Alto Bajo
familiares
Sexo del
F M F M F M F M F M F M F M F M F M F M F M F M F M F M F M F M
adolescente
Con todo, desde una perspectiva cuantitativa, las muestras no proba-

bilística presentan como principal limitación su escasa representatividad
de la población, lo que dificulta la generalización de los hallazgos del
estudio.
Asimismo, Cea, M.ª (2004) establece la siguiente comparación entre

las ventajas y desventajas del muestreo no probabilístico, la cual como
todo paralelo puede constituirse en una suerte de simplificación de aque-
llo que se coteja. Véase a continuación el siguiente Cuadro 5:
Cuadro 5. Ventajas e inconvenientes de los muestreos no probabilísticos.

(Cea, M.ª; 2004)
Ventajas Inconvenientes
● Simplicidad y economía del

● Imposibilidad de estimar el error típico o
diseño muestral. muestral.
● Fáciles de ejecutar.
● Dificultad en la generalización de los
resultados de la investigación más allá de
● No precisan de un listado los casos analizados, por la introducción
de la población de estudio. de sesgos en la elección de la muestra.
Finalmente, deseo advertir al lector, que atendiendo a que la perspec-

tiva de análisis de los diseños debe necesariamente situarse a partir de
un sólo punto a la vez. En este caso, hasta ahora, desde la mirada cuan-
titativa, muchas de las desventajas e inconvenientes señalados para los
diferentes diseños de muestreo no probabilístico podrán ser rebatidos
en tal condición, por el investigador cualitativo. Lo anterior, debido a que
el defecto para uno (cuantitativo) podría ser la virtud para el otro (cuali-
tativo).
Aplicación
1. ¿Qué papel juega el criterio del investigador en los diseños

no probabilísticos?
2. ¿Por qué los muestreos cualitativos privilegian los diseños no

probabilísticos?
Capítulo III
Las muestras cuantitativas y el
tamaño de las mismas
Tamaño de una muestra cuantitativa:
El tamaño de la muestra cuantitativa corresponde a la cantidad mí-

nima de sujetos o elementos necesarios para poder generalizar los re-
sultados de la investigación hacia toda la población y/o estimar uno o
varios parámetros (propiedades descriptivas de una población). Para lo
anterior, se deben tener en cuenta una serie de consideraciones, las que
se presentan a continuación.
El tamaño de la muestra debe contemplar:

● El tamaño de la población. De hecho, mientras mayor sea el
tamaño de la población, más se justificará el trabajo con una
muestra.
● El tiempo y los recursos. A menor tiempo y recursos, se buscará
un menor tamaño de muestra.
● El diseño de muestreo. Por ejemplo el muestreo estratificado
requiere de un mayor tamaño muestral, dado el número de seg-
mentaciones de la muestra. A este respecto, para Rodríguez, J.
(1991) el muestreo estratificado es aquel que ofrece las mayo-
res ganancias en precisión, disminuyendo considerablemente
la varianza total.
● La diversidad de análisis de datos previstos. Por ejemplo si se
piensa en un análisis bivariado con tablas de contingencia y
análisis chi-cuadrado, se requiere de un tamaño de muestra mí-

nimo.
● La varianza o heterogeneidad poblacional. A mayor heteroge-
neidad, mayor exigencia de tamaño muestral.
● El margen de error máximo aceptable para la estimación de los
parámetros poblacionales. A menor error, mayor tamaño mues-
tral.
● El nivel de confianza de las estimaciones muestrales. A mayor
nivel de confianza, mayor tamaño muestral.
A su vez, León, O. y Montero, I. (1993) añaden como factor para

determinar el tamaño muestral al estadístico o estadígrafo con el que se
está midiendo. En este plano, se puede afirmar que en gran medida, se
selecciona el tamaño de la muestra cuantitativa en función del parámetro
que deseamos estimar.
Igualmente, junto con el efecto que tienen los recursos en este tema,
y los factores ya descritos, lo que lleva muchas veces al investigador a
trabajar con la muestra posible, más que la ideal, Black, J., Champion, D.
(1976) llaman la atención con respecto a los objetivos del estudio como
un factor crítico en la elección del tamaño de la muestra.
Por otro lado, para Scheaffer, R. y otros (2007), normalmente, los

datos que se observan en una muestra no reflejan de forma precisa los
datos de la población de la que se seleccionó, incluso si el muestreo y la
medición se realizan con extremo cuidado y precisión. Esta distancia o
desviación entre la estimación que produce una muestra ideal respecto
al valor verdadero de la población es el error de muestreo, el que se pro-
duce simplemente porque es una muestra y no un censo.
Este error de muestreo (Sampling Error) tiene que ver con el grado en
que las características de la muestra se asemejan con las características
de la población (Black, J., Champion, D. (1976).
Lo precedente se debe a que (Hernández, R., Fernández, C. y Bap-

tista, P.; 2003) por muy perfecta que sea la muestra, como únicamente
se analiza una parte de la población (y esa muestra tan sólo constituye
una de todas las posibles muestras que pueden extraerse de la misma
población), siempre habrá alguna divergencia entre las estimaciones
muestrales y los correspondientes parámetros poblacionales
Surge entonces la paradoja de muestreo (Kaplan, 1964 en Black, J.,

Champion, D.;1976): para que una muestra sea generalizable a la po-
blación, esta debe ser representativa de la misma y la única manera de
estar seguros de esto es conociendo la distribución de la población y sus
características, entonces no habría necesidad de muestreo. Para eva-
luar la representatividad de la muestra se considera el error de muestreo,
el que considera la desviación estándar y el tamaño de la muestra.
Behar, R. y Grima, P. (2004:66), resumen lo precedente en las si-

guientes líneas:
“En resumen, siempre que en base a una muestra queramos cono-

cer un rasgo de la población con un margen de error especificado,
corremos un riesgo de equivocarnos, pero este riesgo se puede
controlar, llevándolo al valor que convenga, utilizando el tamaño
de la muestra adecuado. Otra cosa es que dispongamos del presu-
puesto y de los medios necesarios para tomar una muestra aleato-
ria del tamaño necesario.” Behar, R. y Grima, P. (2004:66).
Con todo, en el entendido que la determinación del tamaño muestral,

se relaciona con la estimación del parámetro que nos interesa y asu-
miendo una distribución normal de probabilidades, podemos establecer
inicialmente, la siguiente expresión matemática (estadística) para su cál-
culo:
d = (z)
En donde:
d = Error o distancia entre el valor de la estimación y el verdadero

valor del parámetro. Corresponde a la exactitud probabilística que se
desea lograr.
Z = Nivel de confianza
= Estimación de la desviación estándar poblacional
n = Tamaño de la muestra.
Despejando para n:
n=
Específicamente, para la estimación de la media poblacional y con-

secuentemente, para la determinación de su tamaño muestral, procede-
remos de acuerdo a la siguiente fórmula:
n=
En donde:
n= Tamaño de la muestra.
z= Valor de la tabla normal estandarizada correspondiente al nivel de

confianza deseado. A continuación, se presentan los niveles de confian-
za más utilizados en investigación social, con su correspondencia con el

valor de z.
Tabla 2. Niveles de confianza y su correspondencia con los valores de z.
Nivel de confianza 90% 95% 99%

Valores de z 1,64 1,96 2,58
s = Desviación típica de la población de donde se va a sacar la mues-

tra.
Dado que en la práctica es muy improbable conocer, en la mayoría

de los casos se hace una estimación de esta a partir de muestras pilotos,
y/o consideración de estudios previos o similares.
d = Distancia de nuestra estimación con respecto a la media verda-

dera.
Cuando se trata de poblaciones finitas (N conocido), la fórmula para

determinar el tamaño muestral es la siguiente:
n=
En donde N equivale al tamaño de la población.
Veamos a continuación, el siguiente ejemplo:
Un investigador de una Universidad cuya población la constituyen

12.000 alumnos, desea hacer una estimación del tiempo promedio diario
que destinan los estudiantes para repasar sus materias. El investigador
desea un nivel de confianza del 99% y una estimación que esté a una
distancia no superior a 1 minuto de la media verdadera. Una pequeña

muestra piloto da una varianza de 25 minutos cuadrados. ¿Qué tamaño
debe tener la muestra para realizar el estudio?
Donde:
N = 12.000 alumnos.
Z = 2,58
s = 5 minutos.
d = 1 minuto.
n=
n = 164,15
n = 165
Por lo tanto, el investigador deberá consultar a 165 estudiantes para

realizar una estimación del tiempo promedio diario que éstos destinan
para repasar sus materias, de acuerdo a las condiciones de nivel de con-
fianza, error, variabilidad y tamaño de la población ya señaladas.
En el caso de desconocerse el tamaño de la población para la situa-

ción anterior, el tamaño de la muestra (n) correspondería a:
n=
n = 166,41
n = 167
De este modo, el investigador debería consultar a 167 estudiantes.
Así mismo, cuando se desea estimar proporciones poblacionales, la

expresión es la siguiente:
n=
En donde,
p = Es la proporción de la población que presenta determinada ca-

racterística de interés.
En la práctica se hace una estimación de p a través de pruebas pilo-

tos, estudios previos o estudios similares y si todo lo anterior no se pue-
de realizar se establece un valor de 0,5 para p. Lo precedente, implica
suponer el caso de máxima heterogeneidad posible, impidiendo de esta
manera la obtención de una muestra inferior a la necesaria, independien-
temente del valor de la verdadera varianza poblacional.
Dado que p + q = 1
Entonces q =1-p
En definitiva, pq equivalen en las fórmulas anteriores a .
Para el caso de poblaciones finitas:
Veamos a continuación los siguientes ejemplos:
Un investigador social desea estudiar la proporción de jefes de ho-

gar de una comuna determinada, que presentan una valoración positiva
acerca de la implementación de un programa gubernamental. En esa

comuna hay un total de 1.000 hogares. El investigador desea que su
estimación esté a 0,05 de la proporción verdadera, con un intervalo de
confianza de un 95%. En una muestra piloto de 30 hogares, el 40% de
los entrevistados presentaron una valoración positiva del programa es-
tudiado.
Donde:
N = 1.000 hogares.
Z = 1,96
p = 0,4
q = 0,6
d = 0,05 (5%).
n= 269,63
n= 270
Por lo tanto, el investigador social deberá consultar a una muestra

de 270 jefes de hogar, si desea estimar la proporción de los hogares en
los cuales la valoración es positiva respecto de la implementación de un
programa gubernamental.
En el caso de desconocerse el tamaño de la población para la situa-

ción anterior, el tamaño de la muestra (n) correspondería a:
n=
n= 368,79
n= 369
En consecuencia, el investigador debería consultar a 369 jefes de

hogar.
Veamos a continuación un último ejemplo:
Un Trabajador Social de una Municipalidad determinada, desea reali-

zar un estudio acerca de la proporción de jefes de hogar que se encuen-
tran cesantes en un cerro de la comuna. Para lo anterior, se sabe que el
cerro se divide en tres sectores: 1º sector, 2º sector y 3º sector, con 100,
300 y 150 familias, respectivamente. El profesional desea que el valor de
su estimación esté a 0,025 del valor verdadero, con un 95% de confian-
za. Investigadores que llevaron a cabo un estudio similar en otro cerro de
la comuna, encontraron que el 20% de los jefes de hogar entrevistados
estaban cesantes. Con todo, calcular el tamaño de la muestra.
Donde:
N = 550 jefes de hogar.
Z = 1,96
p = 0,2
q = 0,8
d = 0,025 (2.5%).
n= 352,97
n= 353
De este modo, podemos afirmar que el Trabajador Social deberá

consultar a una muestra de 353 jefes de hogar, para dar cuenta acerca
de la proporción de éstos que se encuentran cesantes en un cerro deter-
minado de la comuna.
Con todo, para quienes no deseen tener que lidiar con las fórmulas
descritas, existen una serie de programas computacionales que facilitan
la tarea de determinación del tamaño muestral. Entre estos, destaco el
programa STATS® proporcionado por Hernández, R., Fernández, C. y
Baptista, P. (2003), el cual solicita el tamaño de la población (N), re-
cordando que sobre 99.999 casos da lo mismo cualquier tamaño del
universo, nos solicita el porcentaje estimado de la población que reúne
una determinada característica (en nuestro caso p q o ), el margen de
error (nivel de significancia o d en nuestro caso), así como también nos
pide el nivel de confianza (z).
Cuadro 6. Programa Stats y cálculo del tamaño muestral
A continuación examinaremos el efecto en el tamaño de la mues-

tra de los diferentes elementos contemplados en su cálculo, lo que nos
permitirá apreciar la siguiente regla: a mayores exigencias a la muestra
(mayor nivel de confianza y menor error muestral, entre otras), mayor
será su tamaño.
Tamaño del universo
Tabla 3. Impacto del tamaño del universo:
Error Porcentaje
Tamaño del Nivel de Tamaño de
Máximo Estimado de la
Universo Confianza la Muestra
Aceptable Muestra
99.999 5% 50% 95% 383
50.000 5% 50% 95% 382
10.000 5% 50% 95% 370
1.000 5% 50% 95% 278
100 5% 50% 95% 80
Gráfico 1. Relación entre el tamaño de la población y el porcentaje de la

Muestra
Tal como se aprecia en la tabla y gráfico precedente, al aumentar el

tamaño de la población, el tamaño de la muestra también aumenta (en
términos absolutos). Sin embargo, nótese que sobre un determinado ta-
maño del colectivo, el tamaño de la muestra, prácticamente se mantiene
sin diferencias significativas. Por lo anterior, el porcentaje de la población
que se traduce en la muestra va decreciendo conforme aumenta el tama-
ño del colectivo. Lo precedente, siempre y cuando el resto de los factores
incluidos en la fórmula, se mantengan constantes (error muestral, nivel
confianza, etc.).
En consecuencia se puede afirmar que no existe un aumento de la

muestra proporcional al incremento del tamaño de la población.
Error muestral
Tabla 4. Impacto del error máximo aceptable
Porcentaje
Tamaño del Error máximo Nivel de Tamaño de la
estimado de la
universo aceptable confianza muestra
muestra
12.000 1% 50% 95% 5.335
12.000 2% 50% 95% 2.001
12.000 3% 50% 95% 980
12.000 4% 50% 95% 572
12.000 5% 50% 95% 373
12.000 10% 50% 95% 96
Gráfico 2. Relación entre el Error Máximo Acpetable y el tamaño de la

Muestra para una población de 12.000 personas
En el entendido que el error máximo aceptable es la exactitud pro-

babilística que se desea lograr, se puede apreciar en la tabla y gráfico
precedente, que con respecto al tamaño de la muestra, estos son in-
versamente proporcionales; es decir, a menor error, mayor tamaño de
muestra. Esto último, resulta evidente, si se considera que al establecer
una mayor exigencia a la muestra para la estimación, esta a su vez, nos
pide un mayor tamaño.
Porcentaje estimado de la muestra
Tabla 5. Impacto del porcentaje estimado de la muestra.
Porcentaje
Tamaño del Error máximo Nivel de Tamaño de
estimado de la
universo aceptable confianza la muestra
muestra
12.000 5% 5% 95% 73
12.000 5% 10% 95% 137
12.000 5% 20% 95% 241
12.000 5% 30% 95% 315
12.000 5% 40% 95% 358
12.000 5% 50% 95% 373
Gráfico 3. Relación entre el porcentaje estimado de la Muestra y el tamaño

de la muesta para una población de 12.000 personas
En el entendido que el nivel de porcentaje estimado es la mejor forma

de determinar el porcentaje de la respuesta, es decir, la proporción de
elementos de la población que reúnen una determinada característica
(correspondiente a p, y q como su complemento y por tanto equivalente a
1-p). Por ejemplo, si está tratando de estimar el porcentaje de población
de personas con ojos color miel (p) y este es fijado en 0,2 (20%), enton-
ces q equivale a 1 - 0,2 (80%).
Con todo, el nivel de porcentaje estimado da cuenta de la variabilidad

de la población (varianza), en donde a mayor dispersión, las exigencias
para el tamaño muestral aumentarán, tal como lo muestran las tablas y
gráficos anteriores.
Nivel de confianza
Tabla 6. Impacto del nivel de confianza
Porcentaje
Tamaño del Error máximo Nivel de Tamaño de
estimado de la
universo aceptable confianza la muestra
muestra
12.000 5% 50% 80% 165
12.000 5% 50% 90% 267
12.000 5% 50% 95% 373
12.000 5% 50% 99% 631
Gráfico 4. Relación entre el Nivel de Confianza y el Tamaño de la Muestra

para una población de 12.000 personas
En el entendido de que el nivel de confianza sirve para determinar

el nivel de certeza deseado para los resultados, se puede apreciar en
la tabla y gráfico anterior, que a mayor nivel de confianza, mayor será la
exigencia del tamaño de la muestra.
Habitualmente, suele provocarse una confusión en la relación entre

el nivel de confianza y el error muestral, pensando erróneamente que
una mayor confianza implica un menor error; sin embargo, nótese por el
contrario en la Tabla 7 y Gráfico 5, como para un tamaño muestral fijo,
el aumento en el nivel de confianza implica necesariamente un aumento
en el error muestral.
Tabla 7. Relación entre el nivel de confianza y el error muestral
Porcentaje Error
Tamaño del Tamaño de Nivel de
estimado de la máximo
universo la muestra confianza
muestra aceptable
12.000 200 50% 80% 4,5
12.000 200 50% 90% 5,8
12.000 200 50% 95% 6,9
12.000 200 50% 99% 9,1
Gráfico 5. Relación entre el Nivel de Confianza y el Error Muestral para una

población de 12.000 personas.
Con todo, coincidimos con Vivanco, M. (en Canales, M., 2006) quien
señala que el cálculo del tamaño muestral presenta una dimensión téc-
nica y otra imprecisa que dice relación con la experiencia, capacidad
e intuición del muestrista. Lo precedente, en el reconocimiento de que
en este proceso interfieren restricciones de carácter subjetivo (estable-
cimiento del error máximo admisible y nivel de confianza) y objetivos
(recursos económicos, heterogeneidad de la población y procedimientos
de análisis a utilizar, entre otros).
En consecuencia, para la fijación del tamaño muestral real, frecuen-

temente el investigador comienza determinando el tamaño de la muestra
en consideración a los recursos de que dispone, para posteriormente
calcular estadísticamente el tamaño de la muestra, atendiendo a la va-
riable de interés en el estudio. Del balance entre ambos tamaños mues-
trales, el investigador tomará una decisión, ya sea de aumentar los re-
cursos, disminuir la exactitud, disminuir la certeza, o de una combinación
de estas medidas.
Aplicación
1. ¿Por qué puede afectar la representatividad de las muestras

cuantitativas el tamaño de las mismas?
2. ¿Qué importancia tiene al momento de comunicar los re-
sultados de un estudio cuantitativo, informar acerca de las
características o restricciones del tamaño de la muestra utili-
zada?
Capítulo IV
El muestreo y la perspectiva
cualitativa
La aproximación cualitativa
Desde un enfoque cualitativo, el muestreo adopta más bien la forma

de una selección de casos o informantes. Como tal, implementa diseños
de muestreo no probabilístico. Al respecto hay quienes sostienen que
dada la singularidad de la lógica cualitativa (Mella, O.; 2003), sería un
error remitirse a modelos probabilísticos.
Lo anterior, a pesar de que en este plano Asún, R. (en Canales, M.;

2006), afirma que si bien en teoría no habrían impedimentos en utilizar
los diseños probabilísticos de muestreo, la gran cantidad de sujetos re-
queridos en estos procedimientos dificultaría en gran medida el registro
y análisis cualitativo de los datos.
Para Rodríguez, G. y otros (1999) la selección de los informantes en

una investigación cualitativa, no se basa –como en otros enfoques de in-
vestigación– en el supuesto de que todos los miembros de una población
dada tienen el mismo valor como fuentes de información y, por tanto, la
elección de alguno de ellos es mera cuestión de azar.
Los informantes considerados en una investigación cualitativa se eli-

gen porque cumplen ciertos requisitos que, en el mismo contexto o en
la misma población, no cumplen otros miembros del grupo o comunidad.
Lo que se cuestiona por tanto es la idea misma de población, de grupo
indiferenciado de personas con unas características definitorias comu-
nes. De hecho para Valles, M.(2003) es importante tener en cuenta al
momento de seleccionar a los sujetos los criterios de heterogeneidad o

diversidad y accesibilidad de los mismos.
Por lo precedente, desde la aproximación cualitativa, se supone una

selección deliberada e intencional. Las personas no se seleccionan al
azar para completar una muestra de tamaño n, se eligen uno a uno de
acuerdo con el grado en que se ajustan a los criterios o atributos esta-
blecidos por el investigador. Incluso, en algunos estudios se elige a una
sola persona o institución como caso. En consecuencia, salvo en el últi-
mo caso (caso único), la selección de informantes adquiere un carácter
dinámico, es decir, el proceso de selección continúa a lo largo de toda la
investigación, operando en más de una etapa del estudio.
Por lo mencionado, no se trata de un proceso prefijado como en la

aproximación cuantitativa, respondiendo a los requerimientos que se ge-
neran con el acceso al campo del investigador. Se puede afirmar más
bien, que el muestreo se desarrolla de manera progresiva, comenzando
por un muestreo inicial que se va reconsiderando a cada paso y a cada
dato relevante emergente que así nos lo sugiere (Tójar, J.; 2006).
Rodríguez, G. y otros (1999), resumen adecuadamente esta situa-

ción:
“La selección de informantes puede definirse, por tanto, como

una tarea continuada en la que se ponen en juego diferentes
estrategias conducentes a determinar cuáles son las personas
o grupos que, en cada momento del trabajo de campo, pueden
aportar la información más relevante a los propósitos de la in-
vestigación”. Rodríguez, G. y otros (1999:136).
Asimismo, para McMillan, J. y Schumacher, S. (2005), la selección

de los sujetos en el caso de las entrevistas en profundidad por ejemplo,
comienza con una descripción de las cualidades o perfil deseado de las

personas que poseen conocimiento sobre el tema en cuestión.
Para Gil, J. (2002) en este tipo de muestreo, la intención del investi-

gador suele ser la de representar estructuralmente al grupo social que se
estudia, de forma de que todas las situaciones o posiciones respecto de
un tema estén presentes. Junto con encontrar las características ideales
de los informantes, se suelen agregar rasgos adicionales que caracte-
rizan a un buen informante, tales como poseer suficiente experiencia y
conocimientos sobre el tema abordado en la investigación, sensibilidad
para advertir y comprender lo que ocurre a su alrededor, habilidad para
reflexionar y para expresarse con claridad y voluntad de cooperación
para con el estudio.
Con todo, este autor señala lo siguiente:
La concurrencia de estos rasgos en un individuo es algo que el

investigador puede llegar a constatar a través de su presencia
en el campo, o a través del asesoramiento de otras personas
que conocen la situación y pueden colaborar, señalando a los
informantes más idóneos. Gil, J. (2002:17).
No se debe perder de vista, sin embargo que todo lo anterior se lleva

a cabo, teniendo siempre presente los objetivos de la investigación.
Por otro lado, para McMillan, J. y Schumacher, S. (2005) una de las

limitaciones del muestreo no probabilístico es que la generalización de los
sujetos está limitada a las características de los sujetos. Otra limitación, es
su sesgo, ya que, por ejemplo si se accede a sujetos voluntarios, según
han demostrado Rosenthal y Rosnow (1975 en McMillan, J, y Schuma-
cher, S. (2005)), estos difieren en muchos aspectos de los no voluntarios
(niveles educacionales, clase social e inteligencia, entre otros).
Con todo, para Goetz, J. & LeCompte, M. (1988), la selección y

muestreo cualitativo se constituye en un proceso interactivo y abierto, en
oposición al enfoque cuantitativo. “A lo largo de toda la investigación, se
reexaminan los efectos de cada selección o muestreo a medida que se
evidencian sus consecuencias” (Goetz, J. & LeCompte, M., 1988:85).
La determinación del tamaño de la muestra es también un asunto que

reviste importancia en los diseños de muestreo cualitativo. Sin embargo,
la estrategia desplegada se caracteriza por su flexibilidad y no determi-
nación a priori. Al respecto, Taylor, S. y Bogdan, R. (1996) realizan un
interesante planteamiento.
“Como la observación participante, las entrevistas cualitativas re-

quieren un diseño flexible de la investigación. Ni el número ni el
tipo de informantes se especifican de antemano. El investigador
comienza con una idea general sobre las personas a las que en-
trevistará y el modo de encontrarlas, pero está dispuesto a cam-
biar de curso después de las entrevistas iniciales.” Taylor, S. y
Bogdan, R. (1996:108).
Por lo anterior, estos autores afirman que es difícil determinar a cuán-

tas personas se debe entrevistar en un estudio cualitativo. Algunos in-
vestigadores en tanto tratan de entrevistar al mayor número posible de
personas familiarizadas con un tema o acontecimiento.
En el caso del muestreo teórico considerado como la principal técnica

de selección en el muestreo cualitativo, que considera como referencia
cardinal a la naturaleza del problema que va a ser investigado (Tójar, J.;
2006), opera en cambio el principio de saturación. Desde esta última, en
tanto, se entrevista hasta que no se produce ninguna comprensión au-
ténticamente nueva, habiéndose diversificado todas las perspectivas. De
esta manera, el número de casos estudiados tiene poca importancia.
Para Tuckett, A. (2004) en tanto, el muestreo en investigación cualita-

tiva usualmente se lleva a cabo sin reglas fijas para el tamaño de estas
y con tamaño pequeño con el propósito de estudiar en profundidad y
detalle. En esta búsqueda de la riqueza del dato acerca de un fenómeno
en particular, la muestra resulta intencionadamente más que aleatoria-
mente.
En este contexto, el muestreo continúa hasta que el investigador no

identifica datos redundantes (saturación de datos). En definitiva en la
investigación cualitativa, lo que interesa no es la cantidad de datos sino
más bien la riqueza de los mismos. En este sentido, lo que importa es no
dejar fuera del estudio información relevante para el mismo.
De este modo es posible afirmar que el tamaño de una muestra cua-

litativa está determinado más bien por una serie de consideraciones o di-
mensiones que por reglas fijas. Tales dimensiones se configuran a partir
de los propósitos de la investigación, las características del fenómeno en
estudio, el diseño de investigación, las técnicas recolectoras de datos, la
disponibilidad de los sujetos y las necesidades establecidas por el tipo de
análisis de los datos previsto, entre otras. En este plano, McMillan, J, y
Schumacher, S. (2005: 411), señalan: “La mayoría de los investigadores
cualitativos proponen un tamaño <<mínimo>> de muestra y, a continua-
ción, siguen ampliando la muestra a medida que progresa el estudio”.
En consecuencia, la muestra cualitativa persigue una representati-

vidad que opera por la saturación de los contenidos del discurso de los
sujetos que componen la muestra, pretendiendo en último término dar
cuenta del discurso colectivo.
Veamos a continuación un ejemplo de muestreo cualitativo:
En un estudio desarrollado en dos Escuelas de Trabajo Social de

Chile (V Región), el cual entre sus objetivos pretendía analizar
los puntos de vista de profesores, directores y titulados acerca

del empleo de los Exámenes de Grado en cuanto procedimien-
to de evaluación (Salinas, 2006), en lo que se refiere a la fase
intensiva de la investigación esta asumió el carácter de estudio
de casos, lo que implicó la utilización de técnicas cualitativas,
exigiendo acotar el número de informantes.
De este modo, respecto de la selección misma de los sujetos, se

asumió un muestreo estructural, pretendiendo representar todas
las situaciones y puntos de vista diferentes. Es así como, en lo
que se refiere a los docentes se determinó una muestra a través
de un procedimiento de selección basada en criterios, asumien-
do la definición de diferentes perfiles que se correspondieron
con sujetos-tipo, atendiendo a características propias de este
actor.
Lo anterior implicó que se llevó a cabo un procedimiento de

selección de sujetos – tipos o selección de casos típico-ideal
(García, Gil y Rodríguez, 1999), a través de un procedimiento in-
tencional y deliberado, el cual requirió del desarrollo de un perfil
de atributos esenciales entre los docentes. Las características
requeridas para este actor fueron las siguientes: Tipo de Jor-
nada laboral (Completa o Parcial), experiencia docente y sexo
(Hombre o Mujer).
Con relación a los estudiantes, al igual que con los docentes y

titulados, se llevó a cabo un procedimiento de muestreo de su-
jetos tipo, con base al establecimiento de una serie de criterios
o características.
En tanto, las características requeridas para los estudiantes co-

rrespondieron a promoción (estudiantes de diversas promocio-
nes de ingreso a la carrera, que se encontraran en el último año

de la carrera), tutor (estudiantes tesistas de diferentes profeso-
res guías) y sexo (Hombre o Mujer).
Por último, en lo que respecta a los titulados, también se aplicó

un muestreo de sujetos tipo y se consideraron los siguientes cri-
terios: promoción de egreso (haber recibido el título a partir del
año 2000 en adelante) y sexo (Hombre o Mujer). Finalmente, en
lo que atañe a los directores, dado el reducido número de ese
colectivo (2), se optó por acceder a la totalidad del mismo.
Finalmente, con el ánimo de establecer una mirada sintética y dife-

renciada entre los muestreos cuantitativos y cualitativos, se presenta el
siguiente Cuadro 7.
No obstante, se advierte al lector que para el autor esta comparación

reviste sólo una intencionalidad pedagógica; dado que, lejos está en este
último, el interés por presentar una perspectiva aislada y separatista de
los diferentes procedimientos de muestreo.
Cuadro 7. Comparación entre el muestreo cuantitativo y el muestreo

cualitativo
Aspecto
Muestreo cuantitativo Muestreo cualitativo
Tipo de muestreo
Estimación de Profundización
parámetros y acerca de las
Interés del muestreo
prueba de hipótesis particularidades del
estadísticas. colectivo.
Justificación de la estrategia Fundamentalmente Fundamentalmente
de muestreo estadística. teórica (conceptual).
Alta, con una
Flexibilidad de la estrategia Escasa, con una
estrategia progresiva,
de muestreo estrategia prefijada.
interactiva y abierta.
Persigue la
ejemplaridad, en tanto
lo especial de cada
contexto y realidad;
Estadística con así como también,
Representatividad pretensión de la representatividad
generalizar. estructural,
incorporando
diferentes visiones y
puntos de vista del
colectivo.
Idealmente
(aunque no de Deliberado e
Selección de los sujetos
manera exclusiva), intencional.
recurriendo al azar.
Privilegia los diseños
Probabilístico y no probabilístico,
no probabilístico, aunque no se
Tipo de diseño
aunque privilegia el haya impedido de
primero. utilizar los diseños
probabilístico.
Generalmente, de Generalmente, de
Tamaño de la muestra
gran tamaño. tamaño pequeño.
Aplicación
Responda a la siguientes interrogantes:
1. ¿Con qué criterios se resuelve el tema del tamaño de la mues-

tra, desde la aproximación cualitativa?
2. ¿Qué papel juega la diversidad de la población, en la pers-

pectiva de muestreo cualitativo?
Capítulo V
Las posibilidades de integración de los
muestreos cuantitativos y cualitativos
¿Se pueden combinar los diferentes tipos de muestreos

cuantitativos y cualitativos?
Hecha entonces la revisión acerca de los diferentes tipos de mues-

treos cuantitativos y cualitativos, antes de intentar responder a la inte-
rrogante establecida en este apartado, me permito formular la siguiente
pregunta previa: ¿Cuál de los diferentes tipos de muestreo es más apro-
piado?
Para Flick, U. (2004), no hay decisión o estrategia de muestreo que

sea correcta por sí misma, sino que su conveniencia está relacionada
con las interrogantes acerca de: ¿qué casos son necesarios para res-
ponder a las preguntas del estudio, y cuántos?.
Por lo anterior, me parece que antes de juzgar cada método como

bueno o malo hay que responder las preguntas acerca de ¿cuál es el
objetivo del investigador y el tipo de muestra requerida para satisfacer el
propósito de investigación?
En la comparación entre los muestreos cuantitativos, Marshall, M.

(1996) señala que la elección de uno de estos debe descansar en los
propósitos del estudio.
En el caso de las muestras cualitativas estas tienden a ser pequeñas,

lo que desde una perspectiva cuantitativa presentaría un considerable
error de muestreo, haciendo inevitable la presencia de sesgo. Por otro
lado, las muestras cuantitativas o aleatorias se basan en que las carac-

terísticas de investigación están normalmente distribuidas. Respecto de
esto último, no hay evidencia de que los valores, creencias y actitudes de
las personas presenten una distribución normal, haciendo inapropiado el
enfoque probabilístico.
Por último, los sociólogos reconocen que la gente no es igualmente

buena para observar, comprender e interpretar su propio comportamien-
to y el de los demás. Los investigadores cualitativos reconocen que hay
informantes más ricos o mejores para proporcionar información al res-
pecto. Elegir a alguien al azar para responder una pregunta cualitativa
sería análogo a preguntarle a un transeúnte acerca de cómo reparar un
auto averiado, en vez de acudir a un taller mecánico, lo cual resultaría
más productivo.
Hasta ahora tengo la impresión que la elección de los métodos de mues-

treo muchas veces se basa en la arbitrariedad y apego ideológicamente
enfermizo a los diferentes paradigmas epistemológicos de investigación,
creando una lucha artificial en donde debería existir una comunión.
Esto último provoca que sin tener claro aún los propósitos del estudio,
muchas veces el investigador ya ha determinado su opción acerca del
método de muestreo, al igual de que quien no conoce aún el menú, ya ha
escogido el tenedor como herramienta, sin saber si lo que llega a la mesa
es sopa. En esta metáfora, tanto el tenedor como la cuchara y el cuchillo
tienen un valor relativo dependiendo del menú, en qué ocasiones deberá
utilizar uno, y en otras ocasiones, otro, o quizás se vea en la necesidad
de utilizarlos de manera combinada.
Que la decisión acerca de la elección de las diferentes estrategias

de muestreo, sea entonces por convencimiento y no por incapacidad o
ideología, atendiendo a los propósitos del estudio, naturaleza del fenó-
meno investigado y características de los sujetos, entre otros aspectos

a considerar.
En definitiva, la pregunta podría ser si podemos dejar la representa-

tividad de la muestra al libre ejercicio del azar o a criterio sólo del inves-
tigador. Este desafío me parece que muchas veces se debe enfrentar a
través de una mirada más flexible y abierta respecto de la complemen-
tariedad de los métodos asunto a que me referiré a partir del siguiente
párrafo.
Dado que a decir de González, M. (1997), no existe la técnica de

investigación “todo terreno”, como tampoco el muestreo, sea éste pro-
babilístico o no, se debe tener a la vista la naturaleza de la información
requerida, al momento de tomar una decisión respecto de la estrategia a
adoptar en materia de selección de los sujetos en un proceso de inves-
tigación.
Coincido con Sandelowwski, M. (2000) en torno a que la complejidad

de los fenómenos humanos exige diseños de investigación más comple-
tos para capturarlos. En este plano señala este autor que la combinación
o mezcla de métodos de investigación se encuentran operacionalizados
a nivel técnico, en el muestreo, y en la recolección y análisis de datos.
Como tal, los métodos de investigación mezclados no se constituirían

en mezclas de paradigmas; no obstante, los paradigmas son reflejados
en las técnicas escogidas para combinar y en cómo y por qué los inves-
tigadores desean combinarlas.
Del mismo modo estoy de acuerdo con Cook, T. y Reichardt, C.

(1987) y Pérez, G. (1994), en su postura de integración de los métodos
de investigación en el marco de la investigación evaluativa, lo que sus-
cribo en particular a lo referido a los métodos de muestreo, relevando la
importancia de la situación y de los propósitos mismos del estudio.
Entre las ventajas potenciales que estos autores visualizan del empleo
conjunto de los métodos cualitativos y cuantitativos relevan multiplicidad
de propósitos, su complementación y la posibilidad de triangulación, o a
decir de Ortí, A. (en Delgado, J.M. y Gutiérrez, J.; 1999) estableciendo
una suerte de complementariedad por deficiencia. Para Pérez, G. (1994)
ningún método está libre de prejuicios y sostiene que sólo nos podremos
aproximar un poco más a la verdad a través del empleo de métodos y
técnicas diferentes.
Para Ruiz, J.I. (2003) en tanto, esta posibilidad de integración, me-

diante la triangulación, junto con enriquecer la investigación, establece
un control de calidad de la misma, para conocer hasta qué punto el estu-
dio ha logrado sus objetivos iniciales.
Con todo considero que las posibilidades de integración entre los

muestreos cualitativos y cuantitativos pueden darse en las siguientes
modalidades: Tal como lo representa la Figura 8.
M. Cuantitativo
Paralela
M. Cualitativo
Secuencial
de origen M. Cuantitativo M. Cualitativo
cuantitativo
Secuencial
de origen M. Cualitativo M. Cualitativo
cualitativo
Figura 8. Posibilidades de integración en el muestreo

● De forma paralela, es decir, aplicando simultáneamente ambos

tipos de muestreo, generalmente satisfaciendo objetivos de in-
vestigación comunes o complementarios.
● De forma secuencial de origen cuantitativo, es decir, aplicando
primero un diseño de muestreo cuantitativo, para luego prose-
guir con un diseño cualitativo, orientado normalmente a la con-
secución de objetivos progresivos.
● De forma secuencial de origen cualitativo, es decir, aplicando
primero un diseño de muestreo cualitativo, para luego proseguir
con un diseño cuantitativo, orientado normalmente a la conse-
cución de objetivos progresivos.
Finalmente, está claro, sin embargo, para esta postura de integración

de los diseños de muestreos, la presencia de obstáculos para el investi-
gador como por ejemplo: su costo, alto tiempo y carencia de preparación
suficiente en ambos tipos de métodos.
Aplicación
Identifique situaciones de investigación en donde sea factible llevar

a cabo la integración de las estrategias de muestreo en las modali-
dades paralela y secuencial.
Palabras finales
Palabras finales
Para esta parte del texto, deseo invitar a quienes deben tomar de-
cisiones respecto de A cuántos y a quiénes preguntar, tener siempre
presente que dada la relevancia de las respuestas a las interrogantes
señaladas, que consideren ante todo la pertinencia y rigurosidad de la
estrategia de muestreo a desplegar.
Esta etapa metodológica del proceso de investigación, si no es to-

mada en serio, puede invalidar todos los esfuerzos realizados, restando
toda credibilidad a los hallazgos del estudio.
Por lo señalado, invito a los futuros(as) investigadores(as) a que no

antepongan el método de muestreo al propósito del estudio, evitando de
este modo toda mecanización irreflexiva del proceder metodológico.
En este contexto, resulta de cardinal importancia que el investigador

antes de tomar una decisión acerca de su estrategia de muestreo se
formule al menos las siguientes preguntas:
● ¿Con qué recursos contamos?
● ¿Qué información manejamos acerca de la población?
● ¿Cuál es el tamaño de la población?
● ¿Cuán accesibles son los sujetos de investigación?
● ¿Qué precisión deseamos de la muestra?
● ¿A qué costo de muestreo aspiramos?

● ¿Hay interés en el estudio por estimar parámetros y probar hi-
pótesis estadísticas?
● ¿Hay interés en la investigación por profundizar acerca de las
particularidades de la población?
● ¿Existe en el estudio la pretensión de generalizar los hallaz-
gos?
De esta manera se estará contribuyendo significativamente a la cre-
dibilidad de los resultados de la investigación, eligiendo modos y procedi-
mientos pertinentes para dar cuenta de la muestra en el estudio.
Con todo, deseo enfatizar la importancia de que en esta etapa del

proceso de investigación (referida al muestreo), se tomen desiciones
fundamentadas, lo que contribuiría a otorgar y reconocer sentido al dato
(cuantitativo o cualitativo) en el estudio.
Bibliografía
Bibliografía
Allen, J. (2005) Un matemático lee el periódico. Barcelona: Tusquets Editores.

Ander-Egg, E. (1995) Técnicas de investigación social. Argentina: Editorial Lu-
men.
Behar, R. y Grima, P. (2004) 55 respuestas a dudas típicas de estadística. Ma-
drid: Díaz de Santos.
Bernal, C. (2006) “Metodología de la investigación para administración, econo-
mía, humanidades y ciencias sociales”. Mexico: Pearson Educación.
Black, J., Champion, D. (1976) “Methods and issues in social research”. New
York: John Wiley & Sons, Inc.
Borsotti, C. (2007) Temas de metodología de la investigación en ciencias socia-
les empíricas. Buenos Aires: Miño y Dávila Editores.
Canales, M. (2006) Metodologías de investigación social. Introducción a los
oficios. Santiago de Chile: Lom Ediciones.
Cea, Mª (2001) Metodología cuantitativa: Estrategias y técnicas de investiga-
ción social. Madrid: Síntesis
Cea, M.ª (2004) Métodos de encuesta. Teoría y práctica, errores y mejora. Ma-
drid: Síntesis.
Chao, L. (1980) Estadística para las ciencias administrativas. México: McGraw-
Hill
Cochran, W. (1972) Técnicas de muestreo. México: Compañía Editorial Conti-
nental, S. A.
Collins, K., Onwuegbuzie, A., & Jiao, Q. (2006, May). Prevalence of Mixed-me-
thods sampling Designs in Social Science Research. Evaluation & research
in education, 19(2), 83-101.
Cook, T. y Reichardt, C. (1987) Métodos cualitativos y cuantitativos en investi-
gación evaluativa. Madrid: Morata.
Daniel, W. (1995) Estadística con aplicaciones a las ciencias sociales y a la
educación. Colombia: McGraw-Hill.
Del Pino, G. y otros (1989) La estadística: comprendiendo un mundo con azar.
Santiago: Colección Teleduc.
Delgado, J.M. y Gutiérrez, J. (1999) Métodos y técnicas cualitativas de investi-
gación en ciencias sociales. Madrid: Síntesis.
Flick, U. (2004) Introducción a la investigación cualitativa. Madrid: Ediciones
Morata.
Fox, D. (1981) El proceso de investigación en educación. Pamplona: Ediciones
Universidad de Navarra.
García, M., Ibáñez, J. y Alvira, F. (1994) El análisis de la realidad social. Méto-
dos y técnicas de investigación. Madrid: Alianza Editorial.
Gil, J. (2002) Seminario sobre las técnicas de entrevista y observación. Gra-
nada.
Goetz, J. & LeCompte, M. (1988) Etnografía y diseño cualitativo en investiga-
ción cualitativa. Madrid: Morata.
Golombek, D. (2006) Demoliendo papers: La trastienda de las publicaciones
científicas. Buenos Aires: Siglo XXI Editores Argentina S.A.
González, M. (1997) Metodología de la investigación social. Técnicas de reco-
lección de datos. Alicante: Editorial Aguaclara.
Hernández; R., Fernández, C. y Baptista, P. (2003) Metodología de la investi-
gación. México: McGraw-Hill.
Higginbottom, G. (2004, September), Sampling issues in qualitative research.
Nurse Researcher, 12(1), 7-19.
Juárez, M., Gaitán, L. y Urosa, B. y Cabrera, P. (1993) Trabajo Social e Inves-
tigación: Temas y perspectivas. Madrid: Publicaciones de la Universidad
Pontificia Comillas.
Kerlinger, F. (1991) Investigación del comportamiento. México: McGraw-Hill.

Kish, L. (1996) Diseño estadístico para la investigación. Madrid: Siglo Veintiuno
de España Editores.
León, O. y Montero, I. (1993) Diseño de investigaciones. Introducción a la lógi-
ca de la investigación en Psicología y Educación. Madrid: McGraw-Hill.
Marshall, M. (1996). Sampling for qualitative research. Family Practice (13),
522-525
McMillan, J. y Schumacher, S. (2005) Investigación educativa. Madrid: Pear-
son.
Mella, O. (2003) Metodología cualitativa en ciencias sociales y educación.
Orientaciones teórico-metodológicas y técnicas de investigación. Santiago
de Chile: Primus.
Ngulube, P. (2005) Research procedures used by Master of Information Studies
students at the University of Natal in the period 1982-2002 with special
reference to their sampling techniques and survey response rates: A me-
thodological discourse. The International Information & Library Review, 37,
127-143
Nuñez, A. (2006) Estadística básica para planificación. México: Siglo XXI
Padua, J. (1979) Técnicas de investigación aplicadas a las ciencias sociales.
México: Fondo de Cultura Económica.
Pastén, F. (1991) La técnica cualitativa en Servicio Social. Su teoría y aplica-
ción. Valparaíso: Ediciones Edeval, Universidad de Valparaíso, Chile.
Pastén, F. (2000) Elaboración de diagnósticos sociales con la utilización de
técnicas cualitativas de investigación. Valparaíso: Ediciones Edeval, Uni-
versidad de Valparaíso, Chile.
Pastén, F. (2008) Metodología de la Investigación Social. Valparaíso: Ediciones
Edeval, Universidad de Valparaíso, Chile.
Patton, M. (1987) How to use qualitative methods in evaluation. Londres:
Dage.
Pérez, G. (1994) Investigación cualitativa. Retos e interrogantes. I Métodos.
Madrid: La Muralla.
Pulido, A. (1984) Estadística y técnicas de investigación social. Madrid: Edicio-

nes Pirámide.
Rodríguez, G. y otros (1999) Metodología de la investigación cualitativa. Má-
laga: Aljibe.
Ritchey, F. (2008) Estadística para las Ciencias Sociales. México: McGraw-
Hill.
Rodríguez, J. (1991) Métodos de muestreo. Madrid: Centro de Investigaciones
Sociológicas.
Ruiz, J.I. (2003) Metodología de la investigación cualitativa. Bilbao: Universidad
de Deusto.
Salinas, D. (2006) “Estudio sobre los Exámenes de Grado como procedimiento
de evaluación en Escuelas de Trabajo social pertenecientes a Universida-
des Públicas de Chile”. Tesis Doctoral. Facultad de Ciencias de la Educa-
ción, departamento de Didáctica. Universidad de Cádiz, España.
Sandelowwski, M. (2000, January). Focus on Research Methods Combining
Qualitative and Quantitative Sampling, Data Collection, and Analysis Te-
chniques in Mixed-Method Studies. Research in Nursing & Health, 23,
246–255.
Scheaffer, R. y otros (2007) Elementos de muestreo. Madrid: Thomson.
Selltiz, C., Wrightsman, L. & Cook, S. (1980) Métodos de investigación en las
relaciones sociales. Madrid: Rialp.
Sierra, R. (1976) Técnicas de investigación social. Ejercicios y problemas. Ma-
drid: Paraninfo.
Sierra, R. (1999) Tesis Doctorales y trabajos de Investigación Científica. Ma-
drid: Paraninfo.
Spiegel, M. (1977) Probabilidad y Estadística. México: McGraw-Hill
Taylor, S. y Bogdan, R. (1996) Introducción a los métodos cualitativos de inves-
tigación. Barcelona: Paidós.
Tójar, J. (2006) Investigación cualitativa. Comprender y actuar. Madrid: La Mu-
ralla,
Trost, J. (1986, Spring86). Statistically Nonrepresentative Stratified Sampling:

A Sampling Technique for Qualitative Studies. Qualitative Sociology, 9(1),
54.
Tuckett, A. (2004, September). Qualitative research sampling: the very real
complexities. Nurse Researcher, 12(1), 47-61.
Van Dalen, D. y Meyer, W. (1981) Manual de técnica de la investigación educa-
cional. Barcelona: Paidós.
Valles, M. (2003) Técnicas cualitativas de investigación social. Reflexión meto-
dológica y práctica profesional. Madrid: Síntesis.

Libro A Cuantos y A Quienes Preguntar

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Libro A Cuantos y A Quienes Preguntar

Cargado por

Copyright:

Formatos disponibles

Dagoberto Salinas Avilés

Este libro, en el contexto del proceso de in-

© Dagoberto Salinas Avilés, 2010

Tirada: 500 ejemplares

Ediciones Universitarias de Valparaíso

Diseño Gráﬁco: Guido Olivares S.

Impresos Libra, Valparaíso

“En gran medida, la credibilidad de los hallazgos

El progreso de la ciencia se apoya necesariamente en la investiga-

En el campo de las ciencias sociales, el objeto de estudio suelen ser

El modo de responder a la pregunta sobre a cuántos y a quiénes

Un aspecto que debe destacarse es el enfoque integrador que el pro-

teados se pueden prestar a distintos acercamientos y que, en deﬁnitiva,

Por todo lo anterior, el presente texto puede considerarse un acierto

Javier Gil Flores

Doctor en Filosofía y Ciencias de la Educación

Palabras iniciales ................................................................... 15

¿Por qué es necesario trabajar con muestras? ....................... 21

¿Qué diseños de muestreos hay? ........................................... 37

Tamaño de una muestra cuantitativa .................................... 67

La aproximación cualitativa .................................................. 89

¿Se pueden combinar los diferentes tipos de

Palabras ﬁnales ...................................................................... 109

Bibliografía ................................................................................... 113

Desde hace ya unos años que sentí la necesidad de poder comunicar

El texto que a continuación revisarán pretende aportar a la compren-

De esta manera, este libro está dirigido principalmente a estudiantes

decisiones, tanto en sus diagnósticos, planiﬁcaciones, evaluaciones o

Su estructura está conformada en base a una serie de interrogantes

Lamentablemente, no son pocos los errores que se cometen en esta

Por otro lado, este documento, presenta una mirada complementaria

Con todo, se espera que este esfuerzo de diferenciación no se cons-

Finalmente, deseo expresar mi reconocimiento a los académicos:

cia Universidad Católica de Valparaíso (Chile) y Sr. Javier Gil Flores de

¿Por qué es necesario trabajar con muestras?

En ocasiones es necesario seleccionar una muestra o subconjunto

Dada esta situación, nos vemos enfrentados a la necesidad de obte-

Lo precedente nos lleva a formularnos la siguiente interrogante.

¿Por qué es importante preocuparse por obtener una

El desarrollo de una investigación que involucra la consulta a sujetos,

de esta última. De la naturaleza de esta “parte” dependerá lo que pode-

Mientras en los cuantitativos el interés se centrará en la prueba de

Con la convicción de que en la rigurosidad de la respuesta a cada

En este contexto, en los estudios cuantitativos, el muestreo se ca-

Abordar el tema del muestreo implica inicialmente reconocer que este

Es en este contexto en donde reconocemos que tan importante como

Lo precedente, se pretende ilustrar en la siguiente Figura 1.

Figura 1. Interrogantes que plantea el muestreo

De entrada, me parece que la temática del muestreo se presenta

En este escenario, no son pocos quienes desde el arranque se alejan

En este mismo escenario están quienes desde una postura ligera-

Del mismo modo, lamentablemente, el concepto de aleatoriedad o

lo casual, lo accidental y lo carente de objetivo y dirección. Nada más

Por otro lado, a menudo se aﬁrma erróneamente de manera taxativa

En contra de lo anterior, considérese por ejemplo un examen hemato-

En consecuencia, tengo la impresión de que generalmente, ninguna

cepción errónea. Al respecto, valga la referencia al cuento en que se

Con todo, la explicitación de las ventajas del muestreo bien realizado,

Lo precedente, atendiendo a que cuando el volumen de trabajo es

Seleccionar una muestra dista lejos de constituirse en un asunto tri-

perspectiva no probabilística, la ausencia de criterios de selección puede

De hecho, respecto de esto último, puede estar presente el sesgo de

En este contexto, para Pulido, A. (1984), debe ponerse atención al