Apunte de contenido
Muestreo probabilístico y no probabilístico
UGM
Escuela de psicología
Santiago, Chile
2022
Muestreo
El muestreo es una herramienta de la investigación científica, cuya función
básica es determinar qué parte de una población debe examinarse, con la
finalidad de hacer inferencias sobre dicha población.
¿En una investigación siempre tenemos una muestra?
No siempre, pero en la mayoría de las situaciones sí realizamos el estudio en
una muestra. Solo cuando queremos efectuar un censo debemos incluir todos
los casos (personas, animales, plantas, objetos) del universo o la población.
Por ejemplo, los estudios motivacionales en empresas suelen abarcar a todos
sus empleados para evitar que los excluidos piensen que su opinión no se toma
en cuenta. Las muestras se utilizan por economía de tiempo y recursos.
La muestra debe lograr una representación adecuada de la población bajo dos
criterios imprescindibles:
a) caracterización (cualitativo), la muestra debe reflejar rasgos esenciales
de la población de estudio.
b) tamaño (cuantitativo), lo muestra debe poseer un tamaño suficiente
para realizar inferencias.
Existen 2 tipos de muestreo en investigación:
Muestreo No Probabilístico
Muestreo Probabilístico
(Utilizados tanto en
(Utilizados en investigación
investigación cuantitativa
cuantitativa)
como cualitativa)
pág. 2
Muestreo probabilístico
Para hacer una muestra probabilística son necesarios dos procedimientos:
1. seleccionar los elementos muestrales (casos) de manera que al inicio
todos tengan la misma probabilidad de ser elegidos.
2. calcular un tamaño de muestra que sea representativo de la población.
La posibilidad de generalización de las características o valores de la muestra
depende del error de muestreo. Es decir, entre mayor error exista en la
muestra aleatoria, menos posibilidades de generalizar de la muestra a la
población los resultados obtenidos.
Para calcular el tamaño de una muestra debemos considerar, al menos, ciertos
elementos o criterios procedimentales.
a) El tiempo y recursos disponibles: sobre todo considerar los recursos y
el tiempo del que disponemos para levantar la información.
b) Definir la modalidad de muestreo: esto quiere decir que, si será
probabilístico o no, en función del punto a) y de los objetivos. Los
muestreos probabilísticos demandan, casi siempre, tamaños de
muestra mucho mayores que los tamaños muestrales de los no
probabilísticos, asociados en muchos casos a investigaciones
cualitativas.
c) Diversidad de análisis previstos: para análisis multivariantes, será
necesario contar con un número elevado de casos.
• Para calcular el tamaño de una muestra debemos considerar,
al menos, ciertos elementos o criterios estadísticos.
d) Varianza o heterogeneidad de la población: mientras más heterogénea
sea la población mayor será su varianza; y a mayor heterogeneidad
mayor será el tamaño porque tendremos que considerar más unidades
diversas que deben estar representadas.
• Generalmente no sabemos, a ciencia cierta, cuán heterogéneo
es el universo. Por tanto, se toma el peor escenario posible,
pág. 3
que la población tenga una heterogeneidad máxima o muy
alta.
e) Error muestral: es el error máximo que estamos dispuestos a cometer a
la hora de extrapolar los datos a la población. También se conoce como
el grado de exactitud con que tratamos de estimar los parámetros
poblacionales.
• Mientras mayor sea el tamaño de la muestra menor será el
error ya que estaremos cada vez más cerca de encuestar a
todo el universo. El error lo fija el/la investigador/a.
• Los errores más frecuentes van entre el 2,7% y el 3% (n=1200);
y un error de un 5% a 6% (n= 400).
f) Intervalo o nivel de confianza: es el grado de confianza que el
investigador le otorga a las estimaciones calculadas a partir de la
muestra. Y por convención son: 95% y 99%.
Tipos de muestreo probabilístico
Existen 3 tipos de muestreo:
pág. 4
Muestreo aleatorio simple
Se eligen individuos de la población de estudio, de manera que todos tienen la
misma probabilidad de aparecer hasta alcanzar el
tamaño muestral deseado. Se puede realizar
partiendo de listas de individuos de la población, y
eligiendo individuos aleatoriamente con un
ordenador. Implica que hay que tener un listado
completo de TODOS los miembros de la población. Normalmente tiene un
coste bastante alto su aplicación.
Ventajas Desventajas
Facilidad en los cálculos Cada miembro de la población tiene
estadísticos. que ser identificado.
Elevada probabilidad de lograr
Complicado en poblaciones grandes.
“equivalencia” entre las
características de la muestra y las
Alto costo.
correspondientes a la población.
¿Cómo se calcula una muestra aleatoria simple? Va a depender de si el total
de la población es conocido o no. Una población desconocida o que tiende al
infinito tiene una fórmula de cálculo, si es una población conocida o menor a
100.000 casos, el muestreo tiene otra fórmula.
Los parámetros de las fórmulas son los siguientes:
El estándar es de 95% o superior. Estos
Zα Nivel de confianza
valores se expresan en puntuaciones Z.
También conocido como error. Por
d Precisión deseada
convención 3%.
Proporción de Es el valor entre el esperado del parámetro y
p*q
heterogeneidad el no esperado del parámetro.
Este valor va a depender de la prevalencia
Valor esperado del conocida del fenómeno. Si no existe se
p
parámetro asume que la probabilidad es de 50%, por lo
que este valor será 0,50.
pág. 5
Valor no esperado
q 1-p
del parámetro
Este valor solo se ocupa en la fórmula cuando
Tamaño de la la población es conocida y no tiende al
N
población infinito (poblaciones más grandes que
100.000).
Por lo tanto, la fórmula para calcular la muestra si:
𝑍 2 𝑝𝑞
La población no es conocida, o es mayor a 100.000: 𝑛= 2
𝑑
𝑁𝑍 2 𝑝𝑞
La población es conocida y menor a 100.000: 𝑛=
(𝑁 − 1)𝑑 2 + 𝑍 2 𝑝𝑞
Lo anterior es muy interesante y necesario de saber, pero se recomienda
utilizar calculadoras de muestras. Existen varias en Internet que pueden
utilizarse sin problemas, pero siempre sabiendo qué es cada parámetro que
pide la calculadora. Se recomienda buscar en Google como Sample Size
Calculator.
pág. 6
Muestreo estratificado
Població Medicin Psicologí
n a a
Derech Ingenieri
o a
Muestra
En ocasiones, el interés del investigador es comparar sus resultados entre
segmentos, grupos o nichos de la población, porque así lo señala el
planteamiento del problema.
Sobre todo, grupos que constituyen minorías de la población o universo,
entonces, si la muestra es aleatoria simple, resultará muy difícil determinar
qué elementos o casos de tales grupos serán seleccionados.
Imaginemos que nos interesan personas de todas las religiones para contrastar
ciertos datos, pero en la ciudad donde se efectuará el estudio la mayoría es
católica. Con «MAS» es casi seguro que no elijamos individuos de diversas
religiones o sólo unos cuantos.
No podríamos efectuar las comparaciones. Quizá tengamos 300 católicos y dos
o tres de otras religiones. Entonces, es cuando preferimos obtener una
pág. 7
muestra probabilística estratificada (el nombre nos dice que será
probabilística y que se considerarán segmentos o grupos de la población, o
estratos).
Ejemplos de estratos en la variable religión serían: católicos, cristianos,
protestantes, judíos, mahometanos, budistas, etc.
Y de la variable grado o nivel de estudios: preescolar, primaria, secundaria,
bachillerato, universidad (o equivalente) y posgrado.
EJEMPLO
Supongamos que pretendemos realizar un estudio con directores de recursos
humanos para determinar su ideología y políticas respecto a cómo tratan a los
colaboradores de sus empresas.
Imaginemos que nuestro universo es de 1176 organizaciones con directores
de recursos humanos. Luego determinamos que el tamaño de la muestra
necesaria para representar a la población sería de n = 298 directivos.
Supongamos que debemos estratificar con la finalidad de que los elementos
muestrales posean un determinado atributo, en este caso podría ser el giro de
la empresa.
Lo que aquí se hace es dividir a la población en subpoblaciones o estratos, y se
selecciona una muestra para cada estrato. Generalmente, se utiliza un proceso
de «afijación proporcional».
a) Se obtiene la proporción de la muestra en la población.
n/N (298/1176), donde n es el tamaño de la muestra ya calculado
por aleatorio simple.
b) Ese total se «parte» o «divide» en función del peso de cada estrato.
En el ejemplo, n=298 y N=1176; n/N = 0,25
pág. 8
Ventajas Desventajas
No es necesario disponer de la lista Puede ocurrir que los miembros de
de toda la población sino de las una unidad superior se parezcan,
subpoblaciones de orden superior reduciendo la representatividad de
extraídas. otros en la muestra final.
Existe una considerable reducción
de costos.
pág. 9
Muestreo por conglomerados
Población Medicina Psicología
Derecho Ingenieria
Muestra
En el muestreo por conglomerados la unidad muestral es un grupo de
elementos de la población que forman una unidad. (ej. unidades académicas,
profesionales de un área determinada, personas que residen en un sector,
tipos de establecimiento educacional, etc.)
El muestreo por conglomerados consiste en seleccionar aleatoriamente un
cierto número de conglomerados (el necesario para alcanzar el tamaño
muestral establecido).
• Llamado también de etapas múltiples.
• Se utiliza para poblaciones grandes y dispersas.
• No es posible disponer de un listado o marco muestral.
• En lugar de individuos se seleccionan conglomerados que están
agrupados de forma natural (cuadras de casas, departamentos,
provincias, sucursal de banco etc.)
pág. 10
• Se selecciona en primer lugar el conglomerado más alto, a partir de éste
se selecciona un subgrupo. A partir de este subgrupo se selecciona otro
subgrupo y así sucesivamente, hasta llegar a las unidades de análisis.
Se aplica conglomerados porque:
a) Se minimizan costos al limitar los traslados entre conglomerados.
b) Es difícil fijar con precisión los límites de las unidades últimas.
c) Consideraciones de: los objetivos de estudio, estructura de la población
o administrativas definen la necesidad de conglomerados.
El muestreo por conglomerados supone una selección en dos o más etapas,
todas con procedimientos probabilísticos. AL MENOS:
a) En la primera, se seleccionan los conglomerados, siguiendo los pasos ya
señalados de una muestra probabilística simple o estratificada.
b) En las fases subsecuentes y dentro de estos conglomerados, se
seleccionan los casos que van a medirse. Para ello se hace una selección
que asegure que todos los elementos del conglomerado tienen la misma
probabilidad de ser elegidos.
pág. 11
Muestreo no probabilístico
Se emplean en estudios exploratorios- descriptivos, y también donde hay
control experimental. O simplemente si no contamos con una base de datos
para “aleatorizar” a los sujetos.
No sirven para realizar generalizaciones (estimaciones inferenciales sobre la
población), pues no se tiene certeza que la muestra extraída sea
representativa (ya que no todos los sujetos de la población tienen la misma
probabilidad de ser elegidos).
Los sujetos son seleccionados siguiendo determinados criterios, procurando
en la medida de lo posible, que la muestra sea representativa, (en cualidad y
cantidad).
Ya sea que se trate de un tipo de muestreo u otro, lo importante es elegir a
los informantes (o casos) adecuados, de acuerdo con el planteamiento del
problema y lograr el acceso a ellos.
Mertens (2005) señala que en el muestreo cualitativo es usual comenzar con
la identificación de ambientes propicios, luego de grupos y, finalmente, de
individuos. Incluso, la muestra puede ser una sola unidad de análisis (estudio
de caso).
• Las muestras son más flexibles.
• Se van evaluando y redefiniendo permanentemente.
Los tipos de muestras que suelen utilizarse en las investigaciones son las no
probabilísticas o dirigidas, cuya finalidad no es la generalización en términos
de probabilidad.
pág. 12
Tipos de muestras no probabilísticas
Existen muchas formas de realizar un muestreo no probabilístico, dentro de
las cuales encontramos:
Participantes voluntarios. La elección de los participantes depende de
circunstancias muy variadas (ej. estudios sobre pandillas). Se les llama también
autoseleccionada, ya que las personas se proponen como participantes en el
estudio o responden activamente a una invitación.
Muestra de expertos. La opinión de individuos expertos en un tema. (Ej.
investigación sobre la profesión de obstetricia).
Muestra de casos tipo. El objetivo es la riqueza, profundidad y calidad de la
información, no la cantidad ni la estandarización. Es frecuente en estudios
desde la fenomenología cuyo objetivo es analizar los valores, ritos y
significados de un determinado grupo social. Los estudios motivacionales, los
cuales se hacen para el análisis de las actitudes y conductas del consumidor,
también utilizan muestras de casos-tipo.
Muestra por cuotas. Este tipo de muestra se utiliza mucho en estudios de
opinión y de marketing. Ejemplo: sobre la actitud de la ciudadanía hacia un
candidato político, se dice a los encuestadores “que vayan a determinada
colonia y entrevisten a 150 personas adultas, en edad de votar. Que 25% sean
hombres mayores de 30 años, 25% mujeres mayores de 30 años, 25% hombres
menores de 25 años y 25% mujeres menores de 25 años”.
Muestra diversas o máxima variación. Se utilizan cuando se pretende mostrar
distintas perspectivas y representar la complejidad del fenómeno estudiado
(ej. estudio sobre distintos niveles de depresión).
Muestras homogéneas. Poseen un mismo perfil o características, o bien,
comparten rasgos similares. Su propósito es centrarse en el tema a investigar
o resaltar situaciones, procesos o episodios en un grupo social.
pág. 13
Muestras en cadena o por redes (“bola de nieve”). Se identifican participantes
clave y se agregan a la muestra, se les pregunta si conocen a otras personas
que puedan proporcionar datos más amplios, y una vez contactados, los
incluimos también.
Muestras de casos extremos. Útiles cuando nos interesa evaluar
características, situaciones o fenómenos especiales, alejados de la
“normalidad” (Creswell, 2005). Ej. estudios con psicópatas.
Muestras teóricas o conceptuales. El investigador necesita entender un
concepto o teoría, puede muestrear casos que le ayuden a tal comprensión.
Ej. Investigación sobre factores de agresión sexual y busco entrevistas a
agresores sexuales.
Muestras confirmatorias. Se utilizan cuando necesitamos adicionar nuevos
casos dado que los resultados encontrados son contradictorios.
Muestras de casos sumamente importantes para el problema analizado.
Casos del ambiente que no podemos dejar fuera. Ej. investigación sobre
pandillas y no podemos dejar fuera a los integrantes.
Muestras por conveniencia. Simplemente casos disponibles a los cuales
tenemos acceso.
pág. 14
Referencia bibliográfica
Hernández, R., Fernández, C. y Baptista P. (2010) Metodología de la
Investigación (6ta edición), México: McGraw-Hill.
pág. 15
