MUESTRA ESTADISTICA

La muestra estadística consiste en la porción que se extrae de una población

estadística para un determinado estudio, con el fin de representar, conocer y determinar los

aspectos de dicha población. Este método se utiliza cuando no se puede aplicar un censo en

ciertas poblaciones, ya que a través del muestreo se puede establecer una porción de la

realidad a estudiar.

Cuando algún investigador intenta recopilar datos para estudiar alguna población en

ocasiones es imposible que estos logren estudiar o analizar a cada sujeto en específico. Es

por eso que los investigadores hacen menos tedioso su trabajo al utilizar métodos o técnicas

que les permitan, a partir de la población generada para investigar, que logren proporcionar

un conjunto de muestras que le permitan así, generar una investigación en la que los

intereses se vean más marcados y a partir de la recolección y organización de los datos, se

logre que tengan una investigación significativa y que puedan responder a las preguntas de

investigación.

Es importante comprender que con el concepto “Muestra” hacemos referencia a un

conjunto, ya sea de sujetos o elementos, que son escogidos para un estudio y son tomados

de un grupo de mayor tamaño (conocido como población). Por lo tanto podemos llamarle

“muestreo” a una herramienta de investigación que tiene como objetivo o función

determinada seleccionar una muestra que sea representativa de la población que está siendo

parte del estudio y que a partir de la información recolectada se puedan sacar conclusiones

sobre estas; la muestra que sea tomada de la población deberá mostrar los rasgos más

importantes para así lograr recopilar datos y que la investigación sea significativa.
 A continuación se presentan los tipos de muestreos que se utilizan para recopilar

datos y sus métodos y técnicas utilizadas respectivamente:

Tipos de muestreo

A continuación podemos distinguir dos tipos de muestreo que son fundamentales en

la estadística:
Muestra probabilística

El muestreo probabilístico es el tipo más utilizado durante las investigaciones. En

este, todos los elementos de la población o universo tienen la posibilidad de ser parte de la

muestra.

Es requisito que todos y c/u de los elementos de la población tengan la misma

probabilidad de ser seleccionados (azar). Se debe tener disponible un listado completo de

todos los elementos de la población, a esto se le llama MARCO DE MUESTREO.

METODOS

1. Muestreo aleatorio simple: método de selección más básico, en el que cada sujeto

posee un número de identificación y, mediante un sorteo aleatorio, algunos son

seleccionados para la muestra. Para realizarla se debe conocer la cantidad de

individuos que serán necesarios para completar toda la muestra.

Cada sujeto tiene una probabilidad igual de ser seleccionado para el estudio. Se

necesita una lista numerada de las unidades de la población que se quiere muestrear.

Opciones:

 Fichas de lotería o bolitas numeradas

 Tabla de números aleatorios

En este método de muestreo lo principales es tener una idea clara de cuantos sujetos

serán necesarios para completar el tamaño de la muestra que se va a investigar, pues este

consiste en que a cada sujeto de la población se le debe asignar un número, para que

posteriormente mediante algún sorteo, o generando números aleatorios con ayuda de rifas o
algún ordenador se logre dar a conocer los números de los sujetos seleccionados que serán

tomados como muestra.

El muestreo aleatorio simple es muy popular por la facilidad para realizarlo, por lo

que también sirve de referencia a los otros tipos de muestreo ya mencionados anteriormente

Características del Muestreo Aleatorio Simple

Algunos de los aspectos que caracterizan a este tipo de muestreo son:

 Cada uno de los elementos que forman parte de la población objetivo, tiene la

misma probabilidad de ser seleccionado para formar parte de la muestra.

 De igual forma, cada muestra de tamaño determinado, tiene la misma oportunidad

de ser seleccionada.

 Es común para muestras de tamaño reducido.

 Su aplicación es prácticamente imposible en los casos cuando la muestra sea de

gran tamaño.

Métodos para Seleccionar los Elementos de la Muestra

Hay varios métodos para escoger la muestra, estos son:

 El método de la Lotería: es muy conveniente para muestras de tamaño reducido,

resulta inmanejable si la población es algo grande. Para aplicarlo puede usarse un

pequeño recipiente con papeles, cada uno con el nombre o número de un elemento

de la población, luego se extrae uno por uno la cantidad de papeles necesarios para

completar el tamaño de la muestra que se requiere, es un método no muy rápido de

aplicar
  Tablas de Números Aleatorios: Al igual que el método anterior, este también

implica la numeración de los elementos de la población, el tamaño de la muestra se

determina al azar escogiendo números, sin orden alguno, de una tabla de números

aleatorios, en este caso no es importante leerlos de forma diagonal, invertida,

horizontal o verticalmente, lo importante es escoger la cantidad de números exactos

para completar el tamaño de la muestra. Resulta un proceso algo tedioso y tampoco

es recomendable su uso en grandes poblaciones.

 Números aleatorios generados por software: En este caso la tecnología de sistemas

colabora con la elección de la muestra, mediante un programa de computación, la

misma podrá ser generada de forma rápida y segura, es muy recomendable

Formula;
Ejemplos del Muestreo Aleatorio Simple

Para poder demostrar de forma práctica el concepto del muestreo aleatorio simple,

vamos a considerar los 100 trabajadores de una fábrica de zapatos, los dueños quieren

agasajar a sus hijos por lo que les gustaría saber algunas características de ellos en general,

pero trabajar con más de 100 datos sería algo engorroso.

Así que la directiva decide tomar una pequeña muestra que represente el 25% del

universo de 100 trabajadores, es decir, su muestra será de 25 personas, así que en este caso

la empresa tiene que:

 Identificar a cada uno de los empleados con un número diferente del 1 al 100.

 Sortear 25 números entre los 100 empleados de la fábrica.

 Los 25 trabajadores que hayan resultados sorteados van a conformar la muestra con

la cual se va a trabajar.

 Si el muestreo es sin reemplazo, cada vez que se escoge a un trabajador, ya no

puede ser elegido nuevamente.

 Si el muestreo es con reemplazo, cuando se elige a un trabajador, puede volver a

formar parte de una nueva elección.

Beneficios del muestreo aleatorio simple

El desarrollo de la informática ha permitido que diseñar una muestra aleatoria

simple sea extremadamente rápido y fiable, siempre que tengamos el marco muestra

necesario para ello, claro. La generación de números aleatorios mediante software

(estrictamente son números pesado-aleatorios) es cada vez más fiable.

De esta forma, al usar muestreo aleatorio simple nos aseguramos la obtención

de muestras representativas, de manera que la única fuente de error que va a afectar a mis

resultados va a ser el azar. Y lo que es más importante, este error debido al azar puede

calcularse de forma precisa (o al menos acotarse). 

2. Muestreo sistemático: con este método se enumera la población a trabajar y los

investigadores se encargan de listar a cada individuo en grupos de 10, de forma

aleatoria. Luego se elige a uno de los primeros de cada grupo al azar, formando de

esta manera la muestra

Se toman todos los individuos de la lista y se selecciona c/3, c/7, o cualquier

otro número. Para comenzar se utiliza un número al azar. Pues en este método como

en el primero, los sujetos que conforman a la población son enumerados, pero en

lugar de dar a conocer los que serán incluidos mediante el azar en este caso incluyen

otra técnica. Posteriormente de que son enumerados, los investigadores dividen el

total de la población que se presenta entre el total de sujetos que requieren para la

muestra; para después elegir a uno de los primeros de estos sujetos al azar (ya
 enumerados) y posteriormente se va sumando de una forma secuencial o constante

el mismo valor para elegir a los sujetos requeridos.

Características

Esta técnica, perteneciente a la familia de muestreos probabilísticos, consiste

en dividir toda la población objeto de estudio en diferentes subgrupos o estratos

disjuntos, de manera que un individuo sólo puede pertenecer a un estrato. Una vez

definidos los estratos, para crear la muestra se seleccionan individuos empleando

una técnica de muestreo cualquiera a cada uno de los estratos por separado. Si por

ejemplo empleamos muestreo aleatorio simple en cada estrato, hablaremos de

muestreo aleatorio estratificado (M.A.E. en adelante). Los estratos suelen ser grupos

homogéneos de individuos, que a su vez son heterogéneos entre diferentes grupos.

Es relativamente habitual definir estratos de acuerdo a algunas variables

características de la población como son la edad, sexo, clase social o región

geográfica. Estas variables permiten dividir fácilmente la muestra en grupos

mutuamente excluyentes y con bastante frecuencia, permiten discriminar

comportamientos diferentes dentro de la población

Pasos para la selección de un muestreo sistemático

1. Definir la población objetivo.

2. Determinar el tamaño deseado de la muestra (n).

3. Identificar el marco muestreo existente o desarrollar un marco de muestreo de la

población objetivo.
4. Evaluar el marco muestral por falta de cobertura, cobertura excesiva, múltiple

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

Idealmente, la lista estará en un orden aleatorio con respecto al estudio variable o, mejor

aún, ordenados en función de la variable de interés o su correlación, creando así

estratificación implícita.

5. Determinar el número de elementos en el marco de la muestra (N).

6. Calcular el intervalo de muestreo (i) dividiendo el número de elementos en el marco

de muestreo (N) por el tamaño de la muestra específica (n). Uno debería ignorar el resto

y redondear o terminar en el número entero más próximo. El redondeo hacia abajo y

truncando puede hacer que el tamaño de la muestra sea más grande de lo deseado. Si es

así, se puede eliminar de forma aleatoria las selecciones adicionales. Si no se conoce el

tamaño exacto, o es poco práctico determinar, se puede fijar una fracción de muestreo.

7. Seleccionar al azar un número, r, de “1”  mediante i.

8. Selecciona para la muestra, r, r + i, r + 2i, r ,+3i, y así sucesivamente, hasta agotar el

marco.

A nivel técnico, el muestreo sistemático no crea una muestra verdaderamente aleatoria.

Sólo la selección del primer elemento de muestreo sistemático es una selección de

probabilidad. Una vez que el primer elemento es seleccionado, algunos de los elementos

tendrán una probabilidad cero de selección.

Además, cierta combinación de elementos, como los elementos que son adyacentes entre

sí en el marco de muestreo, pueden no ser seleccionados. Muestreos sistemáticos repetidos

pueden utilizarse para abordar este problema

Propiedades del muestreo sistemático

✔ 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.
 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

3. Muestreo estratificado: consiste en dividir a la población en estratos o grupos que

compartan características similares. Luego se seleccionan proporcionalmente

algunos individuos de cada grupo.

Cuando la muestra incluye subgrupos representativos (estratos) de los

elementos de estudio con características específicas: urbano, rural, nivel de

instrucción, año académico, carrera, sexo, grupo étnico, edad, paridad etc. En cada

estrato para obtener el tamaño de la muestra se puede utilizar el muestreo aleatorio o

sistemático.
 Mediante este método de investigación, los investigadores dividen a la

población en grupos o estratos que tengan relación o compartan características

similares y posteriormente se selecciona al azar o aleatoriamente a los sujetos

finales de los grupos o estratos formados. Este método es utilizado para cuando los

investigadores pretenden que dentro de la muestra se encuentren incluidos todos los

grupos de interés que puedan representar significancia para la investigación.

La distribución de la muestra tomada de la población es llamada “Fijación” y se

pueden conocer los tres que se muestran a continuación:

 Afijación simple: Donde cada grupo formado cuenta con la misma cantidad

de número de elementos.

 Afijación proporcional: Donde las distribuciones se hacen de acuerdo al

tamaño de la población o sujetos de cada estrato.

 Afijación óptima: Fijando la cantidad de sujetos que pueden ser admitidos

en la muestra.

Esta técnica, perteneciente a la familia de muestreos probabilísticos, consiste en

dividir toda la población objeto de estudio en diferentes subgrupos o estratos disjuntos, de

manera que un individuo sólo puede pertenecer a un estrato. Una vez definidos los estratos,

para crear la muestra se seleccionan individuos empleando una técnica de muestreo

cualquiera a cada uno de los estratos por separado. Si por ejemplo empleamos muestreo

aleatorio simple en cada estrato, hablaremos de muestreo aleatorio estratificado (M.A.E. en

adelante). Los estratos suelen ser grupos homogéneos de individuos, que a su vez son

heterogéneos entre diferentes grupos.

Pasos de selección para un muestreo estratificado

Hay ocho pasos principales en la selección de una muestra aleatoria estratificada:

1. Define la población objetivo.

2. Identifica la variable o variables de estratificación y determinar el número de

estratos a usarse. Las variables de estratificación deben estar relacionados con el

propósito de estudio. Si el propósito del estudio es hacer estimaciones de los

subgrupos, las variables de estratificación deben estar relacionados con esos

subgrupos.

La disponibilidad de información auxiliar a menudo determina las variables de

estratificación que se utilizan. Puede ser utilizada más de una variable de

estratificación. Considera que a medida que el número de variables de estratificación

aumenta, incrementa la probabilidad de que algunas de las variables cancelen los efectos de

otras variables, no más de cuatro a seis variables de estratificación y no se deben utilizar

más de seis estratos de una variable en particular.

3. Identifica un marco de muestreo existente o desarrolla uno que incluya información

sobre la o las variables de estratificación para cada elemento de la población

objetivo. Si el marco de la muestra no incluye la información en las variables de

estratificación, la estratificación no sería posible.

 4. Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva,

múltiple, y la agrupación, y haz los ajustes cuando sea necesario.

5. Divide el marco de muestreo en estratos, categorías de la estratificación de la o las

variables, creando un marco de muestreo para cada estrato. Dentro del estrato las

diferencias deben reducirse al mínimo, y las diferencias entre los estratos deben

maximizarse. Los estratos no deben estar superpuestos, en conjunto, debe constituir

toda la población. Los estratos deben ser independientes y mutuamente exclusivos

del subconjunto de la población. Cada elemento de la la población debe estar en un

sólo estrato.

6. Asigna un número único a cada elemento.

7. Determina el tamaño de la muestra para cada estrato. La distribución numérica de

los elementos incluidos en la muestra a través de los diversos estratos determina el

tipo de muestreo a implementar. Puede ser un muestreo proporcional estratificado o

uno de los diversos tipos de muestreo estratificado desproporcionado.

8. Selecciona al azar el número específico de elementos de cada estrato. Al menos un

elemento se debe seleccionar de cada estrato para la representación de la muestra; y

por lo menos dos elementos deben ser elegidos de cada estrato para el cálculo del

margen de error de las estimaciones calculadas a partir de los datos recogidos

Eficiencia de los diferentes muestreos estratificados

Las preguntas inevitables son: ¿cuándo conviene emplear la estratificación?, ¿qué

tipo de estratificación es más conveniente?

 El muestreo estratificado proporcional produce siempre menor o igual error

muestral que el muestreo aleatorio simple, es decir, es más preciso. La igualdad se produce

cuando las medias o las proporciones que estamos analizando son iguales en todos los

estratos. Por lo tanto, la estratificación produce más beneficio cuanto más diferentes sean

los estratos entre sí.

El muestreo estratificado óptimo es siempre igual o más preciso que el muestreo

estratificado proporcional. Ambos métodos son igual de precisos cuando las desviaciones

típicas dentro de cada estrato son iguales, en cuyo caso ambos métodos son totalmente

equivalentes. Por lo tanto, la estratificación óptima produce más beneficio cuanto más

diferencias existan entre las desviaciones dentro de cada grupo, situación en la que

podremos reducir el tamaño muestral de los grupos más homogéneos en beneficio de los

más heterogéneos. Como contrapartida, es un método más complejo y que requiere tener

mucha información a priori de la muestra que estudiamos, algo que normalmente no

tenemos (rara vez conocemos las desviaciones típicas de los universos que vamos a

investigar).

Formula

El muestreo estratificado es una técnica que nos permite reducir el error en nuestras

estimaciones siempre y cuando tengamos cierta información a priori sobre la existencia de

grupos homogéneos en la población. Esperamos que este post te haya ayudado a aclarar la

utilidad de este método.

Ejemplo

Se toman de la muestra el mismo número de sujetos para cada uno de los k estratos. De

cada estrato se seleccionarían n/k individuos. Este criterio no es recomendable cuando los

estratos tienen un número de individuos significativamente diferente.

Por ejemplo, en una muestra de 900 individuos dividida en tres estratos, cada uno de

ellos tendría 900/3 = 300 elementos.

El muestreo estratificado es una técnica que nos permite reducir el error en nuestras

estimaciones siempre y cuando tengamos cierta información a priori sobre la existencia de

grupos homogéneos en la población. Esperamos que este post te haya ayudado a aclarar la

utilidad de este método.

4. Muestreo por conglomerados: se da cuando la población ya se encuentra dividida de

forma natural en grupos, por lo que se seleccionan individuos aleatoriamente de

cada conglomerado para conformar la muestra. Son unidades geográficas (distritos,

pueblos, organizaciones, clínicas)

Facultad de Ciencias Económicas

Facultad de Ciencias Jurídicas y Sociales

Facultad de Química y Farmacia

Limitantes: financieras, tiempo, geografía y otros obstáculos.

 Se reducen costos, tiempo y energía al considerar que muchas veces las unidades de

análisis se encuentran encapsuladas o encerradas en determinados lugares físicos o

geográficos: Conglomerados

Unidad de análisis: sujeto o sujetos

Unidad Muestral en este caso: conglomerado a través del cual se logra el acceso a la

unidad de análisis.

Selección en 2 etapas:

 Los racimos o conglomerados

 En los racimos se seleccionan a los sujetos a ser medidos.

Población, Localidades, Viviendas. Croquis.

El muestreo por conglomerados es una técnica en la que los grupos de participantes

que representan a la población son identificados e incluidos en la muestra.

El objetivo principal del muestreo por conglomerados se puede especificar como la

reducción de costos y el aumento de los niveles de eficiencia del muestreo. Esta técnica

específica también puede ser aplicada en conjunto con el muestreo por etapas múltiples.

Una gran diferencia entre el muestreo por conglomerados y el muestreo

estratificado tiene que ver con el hecho de que en el muestreo por conglomerados un grupo

es percibido como una unidad de muestreo, mientras que en el estratificado sólo se aceptan

elementos específicos de los estratos como unidad de muestreo.

 Por consiguiente, en el muestreo por conglomerados una lista completa de los

grupos representa el marco muestral. Luego, algunos grupos son elegidos al azar como

fuente de datos primarios.

La naturaleza del análisis de conglomerados depende del tamaño comparativo de los

conglomerados por separado. Si no hay grandes diferencias entre los tamaños de los

grupos, el análisis puede realizarse combinando los grupos. Alternativamente, si hay

grandes diferencias en los tamaños de los grupos, se puede aplicar la probabilidad

proporcional al tamaño de muestra para realizar el análisis.

Muestreo estratificado y muestreo por conglomerados

La idea del muestreo por conglomerados recuerda a la del muestreo estratificado. En

ambos casos dividimos la población en grupos. Sin embargo, los principios detrás de ambas

técnicas son en cierto modo opuestos.

El muestreo estratificado es especialmente adecuado cuando los grupos (estratos)

son muy homogéneos internamente y muy diferentes entre sí. En ese caso, conviene

asegurar que tenemos representantes en nuestra muestra que provienen de todos los

estratos. Por el contrario, el muestreo por conglomerados es muy adecuado cuando los

grupos en que dividimos la población son muy similares entre sí, por lo que no hay gran

diferencia entre estudiar individuos de un grupo o de otro.

Es por ello que pese a que ambas técnicas dividen la población en estratos o

conglomerados, el proceso de selección de individuos es radicalmente diferente.

Ventajas y desventajas del muestreo por conglomerados

La principal ventaja de esta técnica es de tipo operativa: seleccionar un

conglomerado a estudiar suele ser más fácil y económico que hacer una muestra aleatoria o

sistemática.

Curiosamente, es habitual hacer estudios a través de Internet en los que se sigue

pensando en términos de estudiar sólo unas zonas geográficas, cuando en realidad a través

de Internet no obtenemos ningún beneficio operativo; al contrario, incurrimos en mayor

riesgo de tener menor precisión por diferencias entre las regiones estudiadas y el resto de la

población. Esta práctica es una herencia injustificada de técnicas que eran buenas en

entrevistas personales, pero que no lo son al usar otras metodologías.

Como principal inconveniente, al usar muestreo por conglomerados corremos un

riesgo importante: que los conglomerados no sean realmente homogéneos entre ellos. En el

ejemplo anterior sobre fumadores en Argentina, podría suceder que en una de las provincias

exista más propensión a fumar, por ser una región más urbana, por razones culturales, etc.

Eficiencia del muestreo por conglomerados 

Esta relación se suele expresar con un coeficiente de correlación

intraconglomerados (δ), que se define como el coeficiente de correlación lineal entre todos

los pares de valores de la variable objeto de estudio, medidos sobre las unidades de los

conglomerados y extendido a todos los conglomerados. En definitiva, este coeficiente

es una medida de la homogeneidad en el interior de los conglomerados.

 Cuanto menor sea el coeficiente de homogeneidad intraconglomerados δ, mayor

eficiencia arrojará el muestreo por conglomerados. Recordemos que lo ideal es que los

conglomerados sean tan heterogéneos como el total de la muestra, con el fin de que la

selección de un conglomerado concreto nos de la misma información que la selección de

individuos al azar del total de la población.

Formula

Ejemplo

Imagínate que quieres evaluar cuánto gastan los consumidores en varios tipos de

transporte en la Ciudad de México. Ya que Londres es una gran superficie, necesitamos

muestrear sólo 3 de las 16 delegaciones de la ciudad.

MUESTREO NO ALEATORIO O NO PROBABILÍSTICOS

En la muestra no probabilística, los elementos se seleccionan a través de procesos que no

brindan, a todos los individuos de la población, la misma posibilidad de ser elegidos para la

muestra. No se conoce la probabilidad que tienen los diferentes elementos de la población

de estudio de ser seleccionados. Mediante esta técnica de muestreo, en comparación del

muestreo probabilístico las muestras no se recogen por medio de procesos donde a los

sujetos se les brinden las mismas posibilidades de ser seleccionados.

Métodos:

1. Muestreo por cuotas: los investigadores forman la muestra partiendo de

determinadas características, con el fin de lograr la misma distribución de

características en la muestra que en la población. Todos los elementos conocidos de

la población tienen que aparecer en la muestra. Se debe asegurar que estos

aparezcan en la misma proporción que en la población. El investigador entrevista a

todas las personas de cada categoría que pueda encontrar hasta que haya llenado la

cuota. Mediante este método los investigadores se encargan de incluir en la muestra

solo a un grupo determinado de sujetos que cumplen con ciertos requisitos o

condiciones específicas.

Características

Los investigadores pueden decidir el rasgo según el cual se llevará a cabo la

selección del subconjunto de la muestra para que ésta pueda ser efectiva en la recolección

de datos y que puedan generalizar a toda la población. El subconjunto final se decidirá sólo

de acuerdo con el conocimiento de la población por parte del entrevistador o investigador.

En las etapas iniciales de un estudio, los investigadores pueden recolectar datos

representativos de una muestra formada utilizando el método de muestreo por cuotas. Es

muy similar al muestreo estratificado, que es un método de muestreo probabilístico. La

principal diferencia entre estas dos técnicas es que, en el muestreo por cuotas, los elementos

de la muestra no se seleccionan aleatoriamente de cada estrato como se hace en el muestreo

aleatorio estratificado.

Pasos para realizar el muestreo por cuotas

Las técnicas de muestreo probabilístico implican una cantidad significativa de reglas

que deben seguirse para formar muestras. Sin embargo, dado que el muestreo por cuotas es

una técnica de muestreo no probabilístico, no existen reglas para la creación formal de

muestras. Por lo general, hay cuatro pasos que se pueden seguir para formar una muestra:

El paso más importante es dividir a toda la población en subgrupos, donde los

elementos de cada uno de los subgrupos deben ser parte de sólo uno de esos subgrupos.

Formula

Ejemplo

El Director de una empresa tecnológica con 500 empleados (población) quiere

investigar sobre el uso de un nuevo software entre la plantilla. Para ello, divide a los
trabajadores en estratos según su rango de edad.

De esta forma quedan establecidos los diferentes estratos dentro de una

población global de 500 empleados. En el Estrato 1 tenemos 150 trabajadores con

edades comprendidas entre los 18 y los 30 años. Representan el 30%. En el  Estrato

2 hay 300 empleados con edades entre los 31 años y los 60. Son el 60% de la plantilla.

En el Estrato 3 hay 50 trabajadores con edades entre los 61 y los 100 años. Representan

el 10% del total.

De cada uno de los estratos, la persona encargada de la investigación, elegirá por

conveniencia a un número determinado. Por ejemplo, seleccionando a 50 empleados del

estrato 1, 100 empleados del estrato 2 y 20 del estrato 3. De esta forma queda

conformado el muestreo por cuotas ;).

 2. Muestreo por conveniencia: aquí el investigador suele elegir a los individuos de su

muestra solo por su proximidad. Generalmente, el investigador no reconoce esta

muestra como una representación de toda una población, sino que la realiza para

conocer opiniones, datos e información de manera rápida. Es la muestra que está

disponible en el tiempo o periodo de investigación. Mediante este método, el

investigador se encarga de elegir de acuerdo a sus propios criterios o alcances a los

sujetos que formaran parte de la muestra.

DESVENTAJA: la muestra puede ser poco representativa de la población que se

desea estudiar.

Características

Las empresas utilizan el método de muestreo por conveniencia para recopilar

información sobre problemas críticos que deben abordarse casi de inmediato, o cuando una

marca está recopilando información sobre una característica o producto en particular recién

lanzado.

Durante las etapas iniciales de una investigación, los investigadores suelen preferir

utilizar el muestreo por conveniencia ya que con este método es más rápido y fácil obtener

resultados.

Incluso aunque muchos evitan implementar esta técnica, el muestreo por

conveniencia es clave en situaciones en las que un investigador pretende obtener

información en un lapso de tiempo más corto y sin invertir demasiado dinero.

Ventajas

Las ventajas de utilizar el muestreo por conveniencia son las siguientes:

 Se ahorra tiempo, ya que no hay que cumplir con requisitos rigurosos para

seleccionar la muestra, lo que vuelve más breve esta fase.

 Es más económica, no se requieren grandes inversiones para desarrollar un

estudio.

 Es muy práctico recurrir al muestreo por conveniencia para desarrollar estudios

pilotos.

 Permite identificar tendencias e indicar posibles resultados que nutrirán el

desarrollo del estudio definitivo.

Desventajas

Las desventajas que presenta el muestreo por conveniencia son las siguientes:

 No es representativa de la población, por lo tanto no se recomienda utilizarlo en

casos donde el desarrollo de la investigación requiera de precisión descriptiva.

 Debido a que no se aplica ningún criterio para organizar la muestra, es imposible

tener resultados estadísticos precisos.

 Como la selección de la muestra no es aleatoria (muestreo no probabilístico), la

precisión de los datos no está garantizada ni es posible llegar a conclusiones

generalizadas o categóricas. Por esta razón, hay un riesgo de que se produzca un

sesgo estadístico en los resultados.

Formula

Ejemplos de muestreo por conveniencia

Supongamos que un directivo decide conocer cuáles son las opiniones acerca de un

profesor en un aula, por lo que llama a 5 alumnos al azar para realizarles una encuesta y

conformar su muestra estadística de una manera rápida y fácil.

Otro ejemplo podría ser el de un investigador que decide conocer cuál es la imagen que

tienen las personas sobre un determinado producto, sin importar si estos son consumidores

o no, por lo que procede a realizar un serie de preguntas a diversas personas en la calle o en

un centro comercial.

3. Muestreo por bola de nieve: se utiliza cuando el investigador requiere que un sujeto

de su muestra ayude a identificar a otro con las mismas características y, a su vez,

estos a otros, para formar la muestra deseada. Se aprovecha o utiliza personas

disponibles en un momento dado que se corresponda con el propósito del estudio.

De los tres tipos de muestreo no probabilístico resulta el más deficiente.

En este método se hace contacto con algún sujeto en específico y este se

encargara de buscar a otros sujetos o nuevos participantes consecutivamente.

Haciéndolo de esta forma hasta cumplir con el tamaño de muestra o cantidad de

sujetos que se necesitan.

 Características

La bola de nieve se usa con frecuencia para acceder a poblaciones de baja

incidencia y a individuos de difícil acceso por parte del investigador. En proyectos

en los que se quiere estudiar a un colectivo muy específico (por ejemplo, personas

aficionadas al coleccionismo de monedas), puede resultar mucho más efectivo

obtener una muestra a través de conocidos y amigos de los propios coleccionistas,

que mediante una selección puramente aleatoria, en la que una gran cantidad de

individuos candidatos a participar serían descartados. Supuestamente, es muy

probable que un coleccionista de monedas conozca a otros coleccionistas de

monedas, lo que hace de esta técnica una forma efectiva de muestrear un colectivo

que de otra manera resultaría de difícil acceso para el investigador.

Proceso

El proceso de creación de una muestra mediante bola de nieve se fundamenta en

usar la red de contactos de unos individuos iniciales para acceder a más gente de un

colectivo. Podríamos dividir este proceso en los siguientes pasos:

1. Definir un programa de participación, en el que se describa el proceso por el que un

individuo invita o refiere a otros para que participen.

2. Identificar colectivos u organizaciones que puedan facilitar el acceso a unos individuos

iniciales que cumplan con el rasgo característico del estudio.

3. Obtener contactos iniciales y pedirles su participación. Esta parte sería similar a una

técnica de muestreo convencional, pero destinada a obtener un tamaño de muestra reducido.

4. Solicitar a los participantes, una vez finalizada la entrevista, el acceso a otros contactos.
5. Asegurar la diversidad de contactos mediante una correcta selección de los individuos

iniciales y promoviendo que la recomendación no se limite a contactos muy cercanos.

Formula

Ejemplo

Un médico ha tratado a un paciente con una enfermedad rara y decide hacer un estudio

sobre ella. Para ello, recurre al paciente, que le va derivando a sus conocidos con dicha

enfermedad y a través del muestreo de bola de nieve entrevista al número de individuos que

precisa.

4. Muestra discrecional: también conocida como muestreo por juicio o criterio, se da

cuando el investigador selecciona los individuos de su muestra en base a

determinado conocimiento de la población. Por ejemplo, si desea realizar una

investigación de personas con problemas psicológicos en el embarazo, seleccionará

aquellas mujeres que hayan pasado por la experiencia del embarazo.

Mediante este método, se aplica una técnica parecida a la del método

intencional, pues el investigador recluta a los sujetos según sus criterios; pero en

este caso, los busca de acuerdo a lo que piensen que estos sujetos puedan aportar a

la investigación.
 Características

Entre las características más importantes del muestreo discrecional se encuentran:

 Se aplican en situaciones donde existe una persona experta en el tema capaz de

selecciona una muestra representativa y arrojar resultados precisos.

 Este muestreo también es llamado muestreo deliberado, crítico o muestreo de

juicio o muestreo intencional, ya que las personas son seleccionadas gracias al

conocimiento del el investigador sobre el tema.

 Es difícil estimar cuán cerca de la realidad se encuentra esta estimación. De hecho,

la relevancia de los resultados depende de la experiencia del investigador.

Aplicaciones del muestreo discrecional

El muestreo discrecional se aplica cuando existe un número restringido de personas

con las mismas características de la población objetivo y no existe mucho tiempo para

llevar a cabo la investigación.  

Además, puede aplicarse en situaciones en las que la muestra está formada por

personas altamente especializadas que no pueden elegirse utilizando ninguna tipo

de muestreo probabilístico o cuando la muestra seleccionada necesita ser aprobada con

otros métodos de muestreo.

Ejemplo
 Bibliografía

Bernat Requena Serra. (2014). Muestreo. Obtenido de

https://www.universoformulas.com/estadistica/inferencia/muestreo/
Carlos Ochoa. (30 de Junio de 2015). Muestreo no probabilístico por bola de nieve.
Obtenido de https://www.netquest.com/blog/es/blog/es/muestreo-bola-nieve
Muestreo probabilístico. (18 de Mayo de 2015). Muestreo probabilísticos. Obtenido de
https://www.netquest.com/blog/es/blog/es/muestreo-probabilistico-muestreo-
conglomerados
Question pro. (2019). TIPOS DE MUESTREO. Obtenido de
https://www.questionpro.com/blog/es/muestreo-por-conveniencia/#:~:text=El
%20muestreo%20por%20conveniencia%20es,pr%C3%A1ctica%20de%20un
%20elemento%20particular.
Sánchez Nieto Carol Yesenia. (2017, Febrero 1).Características de los muestreos

probabilísticos y no probabilísticos. Recuperado de

https://www.gestiopolis.com/caracteristicas-los-muestreos-probabilisticos-no-

probabilisticos/