3 MUESTREO

En la actualidad, tanto las organizaciones públicas como privadas necesitan conocer de

manera lo más fiable y eficiente posible información acerca del comportamiento, las
necesidades o las características de una población, entendiendo esta como un conjunto
amplio, homogéneo o heterogéneo, de personas, objetos o información de cualquier tipo,
que en adelante conoceremos como elementos.

3.1 GENERALIDADES

¿Qué es el muestreo?

El muestreo es un conjunto de técnicas estadísticas que implican el análisis y la obtención

de conclusiones acerca de un determinado tema de un subgrupo o subconjunto pequeño
de elementos (muestra) para extrapolarlas o inferirlas a todo el conjunto de elementos de
interés (población). Esto supone que las conclusiones obtenidas de la muestra las
consideraremos válidas o aceptables para toda la población, es decir, las generalizaremos
a todo el conjunto de elementos.

Para que las conclusiones acerca de una población sean fiables y se puedan tomar como
válidas, la muestra de elementos a estudiar debe ser lo más representativa posible de la
población. Esto significa que los elementos que forman parte de la muestra deben
contener las características esenciales presentes en todo el conjunto de elementos a
estudiar, incluyendo sus similitudes y diferencias.

El análisis de un fenómeno, desde la perspectiva estadística, requiere del acopio de

información o datos científicos de la población que se estudia. Sin embargo, recaudar los
datos de una población no siempre es fácil, debido al elevado costo de un censo, a la
dificultad que implica llegar a lugares determinados o al simple hecho de que la población
en cuestión no tenga un tamaño finito.

La alternativa a esta problemática consiste en utilizar una muestra, es decir, un

subconjunto de la población, para obtener resultados que nos ayuden a inferir, a partir de
los estadísticos muestrales, los parámetros de la población. El reto de este ejercicio está
en obtener una muestra representativa de la población con un tamaño suficiente, de
manera que al hacer la inferencia de los parámetros de la población obtengamos una
estimación no sesgada y precisa. Dicha muestra parte de un conjunto de supuestos y
condiciones iniciales que determinan el problema de estudio.

¿Por qué calcular el tamaño de muestra?

La muestra puede estudiarse con mayor rapidez que una población

El estudio de una muestra es menos costoso

Toma menos tiempo el estudio a realizar

Los resultados son más precisos

¿Cuándo calcular el tamaño de muestra?

Cuando no se puede estudiar toda la población

Cuando se requiere estudiar dos o más grupos y establecer diferencias

Cuando se requieres estimar parámetros, prevalencia, promedio, porcentajes y tasas.

*************************************************************************
De manera general el muestreo es un proceso en cual se selecciona un subconjunto de
una población para obtener información sobre la misma. Algunos de los conceptos más
importantes sobre el muestreo son:

1. Población: grupo total que se requiere estudiar

2. Muestra: es el subconjunto seleccionado de la población
3. Tamaño de muestra: es el número de elementos que se seleccionan para la
muestra
4. Error de muestreo: es la diferencia entre los resultados de la muestra y los
resultados de la población completa.
5. Inferencia estadística: es el proceso de utilizar los resultados de la muestra para
hacer afirmaciones sobre una población completa.
La importancia de realizar un muestreo se debe a varias razones incluyendo:

1. Eficiencia: es más fácil y económico obtener información de una muestra que de la

población completa.
2. Representatividad: una muestra bien elegida es representativa de la población y
por lo tanto, proporciona una buena estimación de las características de la
población.
3. Validez: los resultados de la muestra pueden ser utilizados para hacer afirmaciones
validas sobre la población completa, lo que permite una toma de decisiones más
informada.
4. Estudios longitudinales: es difícil y costoso mantener un seguimiento completo de
una población a lo largo del tiempo. El muestreo permite obtener información
periódica y representativa de la población.
5. Descubrimiento de patrones: El muestreo permite identificar patronees y
tendencia en la población, lo que es útil para la investigación y la toma de
decisiones.
En resumen, el muestreo es una herramienta valiosa para obtener información precisa
y representativa de una población, lo que permite la toma de decisiones más
informada y eficiente.

**********************************************************************

Tipos de experimentos

Los métodos estadísticos se rigen por los datos recabados. Por lo regular, obtenemos
datos de dos fuentes distintas: los estudios observacionales y los experimentos de
medición. Ya sea que se realice un estudio observacional o un experimento, es importante
elegir la muestra de sujetos de forma tal que represente a la población general.

 En un estudio observacional, vemos y medimos características específicas, pero no

intentamos modificar a los sujetos que estamos estudiando. En un experimento
de medición o también llamado estudio observacional no se pueden manipular
las condiciones que influyen en un fenómeno y, por lo tanto, se muestrea una
 situación existente. Para generar una hipótesis, a menudo se requiere del
muestreo en diferentes grupos o ubicaciones. A los investigadores, por ejemplo, en
ocasiones no les queda más opción que hacer muestreos en lugares y tiempos
diferentes. Por ello las conclusiones obtenidas deben manejarse con cuidado, ya
que de manera inadvertida se pueden incluir variables que influyen en el
fenómeno. Un ejemplo es la medición de ciertas variables en el mar, que están
sujeta a cambios estacionales.
 En los experimentos de medición es necesario contar con muestras
independientes, es decir, se necesita repetir el muestreo en varias ocasiones y en
distintos lugares. El muestreo de una misma zona en años diferentes
fortalecerá nuestros hallazgos y será suficiente si nos interesa sólo el espacio en
cuestión; mientras que el muestreo en un número mayor de áreas arrojará
resultados adecuados para hacer generalizaciones. En un experimento aplicamos
algunos tratamientos y luego procedemos a observar sus efectos sobre los sujetos.
(En los experimentos, los sujetos se denominan unidades experimentales). En los
experimentos manipulados se pueden cambiar las condiciones que influyen en
un fenómeno o sistema bajo estudio, de modo que es posible observar el efecto
del cambio sobre la unidad experimental. En estos casos se requieren réplicas
independientes y varios tratamientos de control para aislar la razón por la cual
ocurre algo en un experimento, a partir de la comparación de dos tratamientos
que difieren por un factor.
Saber que tratamientos de control requiere un experimento es difícil. Una forma
de clarificarlo implica elaborar un listado de todo lo que ocurre en un tratamiento
experimental y asegurarse de tener un control para cada situación. Los
tratamientos experimentales necesitan ser replicados apropiadamente, no es
posible tener sólo una réplica por tratamiento.

Ejemplo Estudio observacional vs Experimento

Estudio observacional: Un buen ejemplo de un estudio observacional es aquel en el que se

encuesta a los individuos, pero sin aplicarles ningún tratamiento. La encuesta de Literary
Digest en la que se preguntó a los participantes por quién votarían en la elección
presidencial es un estudio observacional. Se interrogó a los individuos en relación con sus
preferencias electorales, pero no se les aplicó ningún tipo de tratamiento.

Experimento: En el experimento de salud pública más grande que se haya realizado, un

grupo de 200,745 niños recibieron un tratamiento que consistía en la vacuna de Salk,
mientras que un grupo de 201,229 niños recibieron un placebo. Las inyecciones de la
vacuna de Salk constituyen un tratamiento que modificó a los sujetos, por lo que se trata
de un ejemplo de un experimento

Factores para la elección de muestras

Una muestra es cualquier conjunto de n unidades tomadas a partir de una población,

tiene que ser representativa y sus características deben reflejar las de la población. Por
otra parte, la población se debe definir en términos de a) unidades, b) elementos, c) áreas
y d) periodos de tiempo.

La elección de muestras requiere definir la región de interés: colonias, distritos electorales

o calles, tarea que se dificulta en el caso de contar con poblaciones móviles. También
implica especificar las unidades de muestreo, ciudades, calles u hogares, así como elegir el
tamaño y la forma de los sitios muestreados que van a constituir el soporte de la muestra.

Además, se debe determinar el método de muestreo: sistemático, aleatorio, estratificado

o por conglomerados, y establecer el tamaño de la muestra, es decir, el número de
elementos seleccionados.

Por último, es necesario especificar un plan de muestreo y método para colectar los datos.

Sesgo

El sesgo en muestreo es una distorsión en los resultados de la muestra debido a una selección
no aleatoria de los elementos de la población. Cuando una muestra está sesgada, no refleja
adecuadamente las características de la población, lo que puede dar lugar a conclusiones
erróneas.
Hay varios tipos de sesgo en el muestreo incluyendo:

1. Sesgo de selección: ocurre cuando los elementos de la población no tienen la misma

probabilidad de ser seleccionado para la muestra
2. Sesgo de respuesta: Ocurre cuando los participantes de la muestra no responden de
manera representativa a las preguntas o cuestiones
3. Sesgos de información: Ocurre cuando los datos obtenidos de la muestra están
incompletos o incorrectos.
4. Sesgo de no respuesta: Ocurre cuando algunos participantes de la muestra no
responden a las preguntas o cuestiones

Es importante tener en cuenta el sesgo en muestreo para garantizar que los resultados sean
precisos y representativos de la población. La mejor manera de minimizar el sesgo es utilizar
técnicas de muestreo probabilísticas y garantizar una selección aleatoria de los elementos de la
población.

Un ejemplo de sesgo en muestreo es cuando se realiza una encuesta para conocer la opinión
de los residentes sobre un proyecto de construcción en una ciudad, y se elige una muestra de
personas que viven cerca del sitio de construcción. Este enfoque puede resultar en una muestra
sesgada, ya que solo incluye a los residentes que viven cerca del proyecto, mientras que los
residentes que viven en otras áreas de la ciudad no están representados. Además, es probable
que los residentes que viven cerca del sitio de construcción tengan opiniones más fuertes
sobre el proyecto, lo que puede afectar los resultados de la encuesta.

En este caso, es importante utilizar una técnica de muestreo más representativa, como el
muestreo aleatorio simple, para garantizar que los resultados reflejen adecuadamente la
opinión de la población.

3.2 TIPOS DE MUESTREO

EL muestreo probabilístico y el muestreo no probabilístico son dos enfoques diferentes

para seleccionar una muestra de una población

 Muestreo probabilístico: Este enfoque se basa en la asignación de una

probabilidad a cada elemento de la población para determinar su selección para la
 muestra. Hay varios métodos de muestreo probabilístico, incluyendo muestreo
aleatorio simple, muestreo estratificado, muestreo sistemático y muestreo por
conglomerados. En este enfoque, cada elemento de la población tiene una igual
probabilidad de ser seleccionado para la muestra.
 Muestreo no probabilístico: Este enfoque no asigna una probabilidad a cada
elemento de la población para determinar su selección para la muestra. En su
lugar, se basa en la elección subjetiva o en cualidades específicas de los elementos
de la población. Hay varios métodos de muestreo no probabilístico, incluyendo
muestreo por conveniencia, muestreo por juicio y muestreo por quota. Este
enfoque no garantiza una representación equitativa de todos los elementos de la
población, y por lo tanto, los resultados pueden estar sesgados.
En general, se recomienda el uso de muestreo probabilístico ya que garantiza una
representación equitativa de todos los elementos de la población y minimiza el riesgo
de sesgo en los resultados. Sin embargo, en algunos casos, el muestreo no
probabilístico puede ser apropiado, especialmente cuando se conoce la población y se
quiere obtener una muestra representativa de un subgrupo específico

Aleatorio simple Por cuotas

No Probabilístico
Probabilístico

Sistemático Accidental

Estratificado Conveniencia

Conglomerados Bola de nieve

3.3.1 Muestreo probabilístico (Aleatorio)

El muestreo aleatorio es una técnica que permite obtener una muestra representativa
de la población. Ésta se basa en el concepto de probabilidad, el cual marca que cualquier
elemento de la población tiene la misma probabilidad de ser elegido y que la elección de
cada elemento es independiente de cualquier selección previa. Los muestreos
probabilísticos son de varios tipos, los cuales se describen a continuación:

 Muestreo aleatorio simple.

Cada elemento de la población tiene una oportunidad igual e independiente de ser
seleccionado, para lo cual se le asigna un número. La muestra se determina con tablas de
números aleatorios.

Este muestreo presenta ventajas, por ejemplo, tiene un nivel alto de representatividad en
poblaciones numerosas y, por eso, permite realizar inferencias o generalizaciones sobre
grupos grandes. Pero también tiene desventajas, por ejemplo, es un proceso más lento
que otros, porque se debe hacer una lista de todos los elementos de la población y tiene
más margen de error que otros tipos de muestreo.

Proceso

Para hacer un muestreo aleatorio simple, se deben seguir los siguientes pasos:

Seleccionar la población. Se debe definir la población que se analizará. Por

ejemplo: Todos los habitantes de una ciudad.

Calcular la cantidad de elementos de la muestra. Se debe determinar cuántos individuos

tendrán que ser seleccionados para que la muestra sea representativa. Por ejemplo: En
una población de 10.000 habitantes, se elegirán 100.

Elaborar un marco mUestral. Se debe elaborar un listado que incluya a todos los
individuos de la población seleccionada.

Asignar un número a cada elemento. Se debe asignar un número a cada elemento del
marco muestral comenzando por el 1.

Seleccionar a los individuos. Se deben elegir los números necesarios al azar para realizar
la muestra.

Ejemplo
Un gobierno quiere estudiar el ingreso promedio por núcleo familiar. Para realizar la
muestra, el equipo de investigación sigue los pasos del muestreo aleatorio simple:

Se selecciona a todas las familias que habitan en Ciudad de México.

Se determina que se necesitarán 1.000 elementos para hacer la muestra.

Se elabora una lista de las 2.756.319 familias que habitan en Ciudad de México.

A cada familia se le asigna un número comenzando por el 1 hasta llegar al 2.756.319.

Se escogen 1.000 números al azar utilizando un programa informático, por ejemplo, 4.258,
102.548 y 167.

Muestreo aleatorio simple.

En un muestreo aleatorio simple se seleccionan n sitios, de manera que cada miembro de

una población tiene la misma e independiente probabilidad de ser elegido.

Esta modalidad no garantiza que se cubra toda el área de estudio, pues superficies
relativamente grandes se quedan sin muestrear o bien las muestras aparentan estar
agrupadas (Figura 1).

Figura 1. Muestreo aleatorio simple. Porras, A. (2014). Imagen basada en Haining R.P.
(2003).

 Muestreo sistemático.
Se selecciona una muestra tomando cada k-ésima unidad de la población, una vez que las
unidades de muestreo están numeradas o arregladas de alguna forma. La letra k es la
razón de muestreo, esto es, la razón del tamaño de la población correspondiente al
tamaño de la muestra.

Ejemplo. Al seleccionar una muestra de 40 unidades de entre una población de 1, 000,

entonces k es 1000/40= 25, por lo que la muestra se obtiene tomando cada 25- ésima
unidad de la población.

✔ Ventajas

- Obtiene buenas propiedades de representatividad, similares a la de un muestreo

aleatorio simple o incluso superiores, pero de forma más rápida y simple, al evitar la
necesidad de generar tantos números aleatorios como individuos en la muestra.

- Respecto al muestreo aleatorio, el muestreo sistemático puede garantizarnos una

selección perfectamente equitativa de la población. Esto puede ser de utilidad si se
distinguen grupos dentro de universo, lo que nos podría evitar la necesidad de usar
estratos. Si existe diferente varianza entre los individuos de los fragmentos, este muestreo
puede ser mejor que el aleatorio. Lo veremos luego.

✘ Desventajas

- Sólo existe la ya mencionada posibilidad de que el orden en que se han listado los
candidatos a la muestra tenga algún tipo de periodicidad oculta que coincida con el
intervalo escogido para generar la muestra sistemática. En este caso, podríamos generar
una muestra sesgada.

Proceso

De forma concreta, el proceso que seguiríamos en un muestreo sistemático sería el

siguiente:

1. Elaboramos una lista ordenada de los N individuos de la población, lo que sería el

marco muestral.
2. Dividimos el marco muestral en n fragmentos, donde n es el tamaño de muestra que
deseamos. El tamaño de estos fragmentos será: K=N/n, donde K recibe el nombre de
intervalo o coeficiente de elevación.

3. Número de inicio: obtenemos un número aleatorio entero A, menor o igual al intervalo.

Este número corresponderá al primer sujeto que seleccionaremos para la muestra dentro
del primer fragmento en que hemos dividido la población.

4. Selección de los n-1 individuos restantes: Seleccionamos los siguientes individuos a

partir del individuo seleccionado aleatoriamente, mediante una sucesión aritmética,
seleccionando a los individuos del resto de fragmentos en que hemos dividido la muestra
que ocupan la misma posición que el sujeto inicial. Esto equivale a decir que
seleccionaremos los individuos:

A, A + K, A + 2K, A + 3K, ...., A + (n-1)K

Ejemplo: supongamos que tenemos un marco muestral de 5.000 individuos y deseamos

obtener una muestra de 100 de ellos. Dividimos en primer lugar el marco muestral en 100
fragmentos de 50 individuos. A continuación, seleccionamos un número aleatorio entre 1
y 50, para extraer el primer individuo al azar del primer fragmento: por ejemplo, el 24. A
partir de este individuo, queda definida la muestra extrayendo los individuos de la lista
con intervalos de 50 unidades, tal y como sigue:

24, 74, 124, 174, ..., 4.974

Muestreo sistemático.

En este caso se elige de manera aleatoria el sitio de muestreo para un estrato

determinado, mientras que en los estratos restantes el sitio de muestreo se determina a
partir de la misma posición relativa (Figura 3). Un caso típico de esto consiste en elegir el
centro de cada estrato como sitio de la muestra.
Tanto en el muestreo sistemático como en el estratificado, la forma que adoptan los
estratos no está restringida al rectángulo, ésta puede ser cualquiera, triangular o
hexagonal, por ejemplo. En los estudios sociales y económicos, la elección de los estratos
suele darse de manera que coincida con regiones administrativas, por lo que es posible
realizar comparaciones entre ellas.

El muestreo sistemático es sencillo de implementar y brinda un número suficiente de

observaciones separadas con distancias y direcciones bien definidas.

Cuando la población de estudio suele estar agrupada en conglomerados, como en el caso

de una ciudad, el muestreo se enfoca en los estratos que agrupan al grueso de la
población. Una vez seleccionados estos estratos, se aplica un criterio aleatorio para
establecer los sitios o elementos que conformarán la muestra. Este es el equivalente a un
muestreo por conglomerados.

 Muestreo estratificado.
Implica dividir a la población en clases o grupos, denominados estratos. Las unidades
incluidas en cada estrato deben ser relativamente homogéneas con respecto a las
características a estudiar. Por ejemplo, se puede realizar un estudio para conocer la
opinión de la población sobre un político determinado planteando una muestra
estratificada por edades.
Como parte de este muestreo, se toma una submuestra a partir de cada estrato mediante
un procedimiento aleatorio simple, de modo que para obtener la muestra general se
combinan las submuestras de todos los estratos.

A menudo se toma una razón de muestreo igual para todos los estratos. Es decir que las
unidades en la muestra se asignan entre los estratos y en proporción con el número
relativo de unidades en cada estrato de la población. A una muestra seleccionada de esta
forma se le denomina muestra estratificada proporcional.

Otras veces la razón de muestreo en cada estrato está inversamente relacionada con la
homogeneidad de las unidades del estrato; mientras más homogéneo sea el estrato,
menor será su proporción incluida en la muestra. A una muestra obtenida de esta forma
se le denomina muestra estratificada desproporcionada.

Cuando las unidades en un estrato son más homogéneas, resulta necesaria una
submuestra más pequeña para asegurar la representatividad. En consecuencia, el costo
de muestreo se reduce.

Proceso

Divida la población en subgrupos o estratos más pequeños, según los atributos y

características compartidos por los miembros.

Tome una muestra aleatoria de cada estrato en un número que sea proporcional al
tamaño del estrato en la población.

Agrupe los subconjuntos de estratos para formar una muestra aleatoria.

Realiza tu análisis.

Ejemplo: Imaginemos que un grupo de especialistas en producción animal está interesado

en obtener una muestra estratificada de 400 vacas a partir de un rebaño de 2000 vacas de
diferentes razas. El objetivo del estudio es analizar la producción de leche del rebaño

Al permanecer todos los demás factores constantes: los mismos potreros, igual
alimentación, condiciones climáticas, manejo del rebaño, etc. Los investigadores
consideran la raza del animal como único factor que puede afectar la producción de leche
de cada animal.

Se consideran 4 estratos en la población: vacas Holstein, pardo suizo, mestizas y criollas

El desglose por raza de las vacas en la población es el siguiente

Raza Proporción N° de vacas

Holstein 20 400
Pardo Suizo 20 400
Mestizo 50 1000
Criollo 10 200
Total 100 2000
La advertencia con este estudio es que los investigadores solo tienen recursos suficientes
(tiempo y dinero) para manejar una muestra de 400 animales. Por lo tanto, la muestra
debe representar con precisión la población más grande de todas los 2000 vacas en la
hacienda. En este caso, realizar un muestreo estratificado es la mejor opción para
implementar en este estudio de investigación específico.

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

Para determinar esto, los investigadores simplemente tomarían de las 400 vacas Holstein
en la población, una muestra aleatoria simple 80 animales de esa raza

De las 400 vacas Pardo suizo en la población, también por azar simple otros 80 animales

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

Y desde las 100 vacas criollas, escogerían 40 animales

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

definitiva

Desglose por razas de las vacas en la muestra

Raza Proporción (%) N° Vacas

 Holstein 20 80
Pardo Suizo 20 80
Mestizo 50 200
Criollo 10 40
Total 100 400
Muestreo aleatorio estratificado.

La población a partir de la cual se elige una muestra es particionada en estratos de

área, para los cuales se seleccionan los sitios de muestreo mediante un procedimiento
aleatorio simple (Figura 2).

Figura 2. Muestreo aleatorio estratificado. Porras, A. (2014). Imagen basada en Haining

R.P. (2003), p. 101

Con el muestreo aleatorio estratificado disminuye la posibilidad de que existan zonas sin
muestras o zonas con alta concentración de muestras.

Es pertinente mencionar que en el muestreo espacial los individuos que pertenecen a

un estrato tienen como elemento común un espacio delimitado, por lo cual no son
necesarios los valores homogéneos de otras variables.

 Muestreo por conglomerados

Implica la selección aleatoria de grupos o conglomerados a partir de la población. Las
diferencias entre los conglomerados son generalmente pequeñas y las unidades dentro de
cada uno, normalmente, son más heterogéneas.

Por ejemplo, las ciudades con una población de 50 habitantes pueden tener
características similares si las comparamos, pero la población es heterogénea. De esta
manera el analizar un conjunto de ciudades de 50 mil habitantes nos ayudaría para tratar
de caracterizar a la población de todas las ciudades de 50 mil habitantes del país.

*************************************************************************

En resumen…

Técnicas de muestreo probabilistico

1- Muestreo aleatorio o probabilístico

Los elementos de la población tienen la misma probabilidad de ser elegidos miembros de

la muestra a estudiar. Este grupo de técnicas de muestreo son las más fiables y
representativas de la población al realizarse la selección de los elementos de la muestra
de manera aleatoria. Las técnicas de muestreo de este tipo son:

Simple

Todos los elementos de la población tienen la misma probabilidad de ser seleccionados.

Este método es muy sencillo y es el más utilizado, pero es el menos eficaz en poblaciones
muy extensas cuyo tamaño de la muestra es muy grande.

Sistemático

Se enumeran todos los elementos de la población, luego se elige el primer elemento de la

muestra de manera aleatoria y los siguientes de manera periódica. Pueden darse casos en
los que en la población haya ciclos o periodicidades y que al utilizar este método haya una
elevada homogeneidad en la muestra y que, por lo tanto, esta no sea representativa de la
población.
Estratificado

Se agrupan los elementos de la población en grupos o estratos en función de

características esenciales de interés para el estudio a realizar (homogeneidad) y se
seleccionan los elementos de la muestra de cada uno de los estratos de manera aleatoria.
El número de elementos de la muestra pertenecientes a cada estrato es proporcional al
número de elementos de cada uno de ellos con respecto a la población total. Se consigue
aumentar la representatividad de la muestra y son más fiables.

Conglomerados

Las poblaciones están formadas generalmente por determinados grupos o

conglomerados, por ejemplo, un ayuntamiento está integrado por pueblos. En estas
técnicas, en vez de seleccionar los elementos de la muestra directamente, lo que se
escoge son de manera aleatoria algunos de estos grupos o conglomerados.

*************************************************************************

3.3.2. Muestreos no probabilísticos

En ocasiones, por distintas razones, se realizan muestreos que no se basan en criterios

probabilísticos. A veces la economía limita la obtención de una muestra bajo criterios
aleatorios. En tales casos se busca la representatividad de la población tomando en cuenta
las restricciones que imponen la economía y la factibilidad del muestreo.

Son técnicas de muestreo donde se eligen determinados criterios que no están basados en
la equiprobabilidad para la selección de los elementos de la muestra. Estos métodos de
muestreo son menos fiables que los aleatorios o probabilísticos, porque su nivel de
representatividad de la población es menor y se utilizan cuando no es posible la
realización de los otros debido a restricciones principalmente de coste o cuando se está
realizando una exploración inicial y se quiere obtener cierto grado de representatividad.
Las técnicas de muestreo de este tipo son:

Por cuotas Actividad:

Probabilístico

Accidental Identifica por equipo para cada

muestreo no probabilísticos.
Conveniencia
 Bola de nieve

3.4 Elección del tamaño de muestra

Para elegir el tamaño de muestra adecuado de una población, se debe considerar varios
factores, tales como:

1. Tamaño de la población: Si la población es grande, se puede elegir una muestra

más pequeña
2. Nivel de precisión requerido: Cuanto mayor sea la precisión requerida mayor
deberá de ser el tamaño de la muestra
3. Margen de error aceptable: el margen de error aceptable también afecta el
tamaño de la muestra
4. Nivel de confianza deseado: El nivel de confianza deseado también puede afectar
el tamaño de muestra necesario