La selección de la muestra es una de las partes más intimidantes de una tesis, pero la verdad es que es más sencillo de lo que parece. Solo se trata de encontrar a las personas correctas para lograr tus objetivos.
El muestreo es el proceso de seleccionar un subconjunto (la muestra) de un conjunto más grande (la población) para hacer inferencias o conclusiones sobre el conjunto completo.
El objetivo principal de una buena técnica de muestreo es asegurar que la muestra sea representativa, es decir, que refleje fielmente las características de la población. Esto es esencial para que tus resultados sean válidos y generalizables.
Tipos de muestreo
Existen dos grandes familias de técnicas de muestreo, cada una con un propósito y reglas diferentes:
- Muestreo probabilístico: pura ciencia y matemáticas.
- Muestreo no probabilístico: estrategia y criterio del investigador.
Entender la diferencia es la clave. Elegir el tipo correcto le dará a tu investigación una base sólida.
Muestreo probabilístico
Este tipo de muestreo se basa en la aleatoriedad. Todos los elementos de la población tienen la misma probabilidad de ser seleccionados para la muestra. Su gran beneficio es que permite estimar el error de muestreo y, por lo tanto, generalizar tus resultados a toda la población con un nivel de confianza conocido.
Si tu objetivo es hacer una encuesta a nivel nacional o tomar decisiones basadas en datos que representan a un grupo grande, el muestreo probabilístico es el camino a seguir.
1. Muestreo aleatorio simple (MAS)
Es el más básico y puro. Imagina que tienes una lista de toda tu población (a esto se le llama marco muestral). Simplemente asignas un número a cada elemento y luego seleccionas a los que formarán tu muestra usando un generador de números aleatorios.
Ejemplo: si quieres estudiar los hábitos de lectura de 2.000 estudiantes de tu facultad, obtienes una lista completa con sus nombres y matrículas. Usas un software para generar 322 números aleatorios (el tamaño de muestra que calculaste previamente), y los estudiantes con esas matrículas son los que formarán tu muestra.
2. Muestreo estratificado
El muestreo estratificado divide a la población en subgrupos homogéneos, llamados estratos (por ejemplo, hombres y mujeres, o estudiantes de primer año y de último año), y luego tomas una muestra aleatoria de cada estrato. Esto garantiza que cada subgrupo importante esté bien representado.
Ejemplo: quieres encuestar a 800 empleados de una empresa sobre la satisfacción laboral. La empresa tiene 5.000 empleados, de los cuales 3.500 son obreros y 1.500 son administrativos. Para garantizar una buena representación, divides tu población en dos estratos: obreros y administrativos. Luego, calculas la muestra para cada estrato en proporción a su tamaño en la población:
- Muestra de obreros: (3,500 / 5,000) * 800 = 560
- Muestra de administrativos: (1,500 / 5,000) * 800 = 240 Así, tu muestra de 800 empleados tendrá exactamente la misma proporción de obreros y administrativos que la población total.
3. Muestreo por racimos (Clusters)
Esta técnica es ideal para estudios a gran escala donde la población está dispersa geográficamente. En lugar de seleccionar individuos, seleccionas racimos o grupos enteros de la población.
Ejemplo: quieres evaluar un nuevo programa de educación en todas las escuelas primarias de una ciudad. Hay cientos de escuelas. Sería costosísimo y difícil visitar una por una para encuestar a 10 alumnos de cada una. En cambio, puedes dividir la ciudad en zonas (racimos). Seleccionas aleatoriamente 20 zonas y luego, dentro de cada una de esas zonas, seleccionas de forma aleatoria 3 escuelas. En esas 3 escuelas, encuestas a todos los alumnos de quinto grado. De esta forma, ahorras tiempo y recursos, ya que solo visitas un número limitado de lugares.
Muestreo no probabilístico
En este tipo de muestreo, la elección de los elementos de la muestra no depende de la probabilidad, sino del criterio del investigador. Esto significa que no todos los elementos de la población tienen la misma oportunidad de ser elegidos.
El muestreo no probabilístico es útil en estudios exploratorios, investigaciones cualitativas o cuando tienes restricciones de acceso a la población. Sin embargo, una limitación importante es que no puedes generalizar tus resultados a la población total con un fundamento estadístico.
1. Muestreo por conveniencia
Es el más común, y también el más fácil y rápido. El investigador selecciona a los participantes que le resultan más accesibles.
Ejemplo: estás haciendo una investigación sobre el uso de redes sociales en tu campus universitario. Para tu muestra, decides encuestar a tus compañeros de clase y a los estudiantes que encuentras en la biblioteca y la cafetería. Es una muestra fácil de conseguir, pero no representa a toda la universidad. Los estudiantes que nunca van a la biblioteca no tendrán la oportunidad de ser encuestados.
2. Muestreo por cuotas
Es una versión mejorada del muestreo por conveniencia. El investigador crea categorías específicas (cuotas) y luego selecciona un número determinado de participantes para cada una de ellas, basándose en su conveniencia.
Ejemplo: un investigador quiere estudiar la opinión de los votantes sobre una nueva ley. Sabe que el 50% de los votantes son mujeres y el 50% son hombres. Decide que su muestra será de 100 personas, con 50 mujeres y 50 hombres. El investigador se para en un centro comercial y entrevista a las primeras 50 mujeres y a los primeros 50 hombres que acepten participar. A pesar de que la cuota de género se cumple, la selección no es aleatoria y está sesgada por las características de las personas que visitan ese centro comercial.
3. Muestreo intencional o por criterio
El investigador selecciona a los participantes basándose en un juicio experto y en los criterios que mejor se adapten a los objetivos del estudio. Se usa mucho en investigación cualitativa.
Ejemplo: para una investigación sobre las experiencias de estudiantes que han participado en programas de intercambio, el investigador podría seleccionar intencionalmente a aquellos que fueron a destinos menos comunes, con la idea de obtener perspectivas únicas y ricas en detalles. Aquí no le importa la generalización, sino la profundidad de la información.
Muestreo de bola de nieve
Esta técnica es ideal para estudiar a poblaciones de difícil acceso. Empiezas con una persona que cumpla con los criterios y luego le pides que te recomiende a otras personas con características similares. Así, la muestra crece como una bola de nieve.
Ejemplo: quieres entrevistar a personas que viven con una enfermedad rara. Probablemente no haya un listado de ellas. Comienzas con un paciente que conociste en un grupo de apoyo y le pides que te contacte con otros tres que estén dispuestos a hablar contigo. Cada uno de ellos te conecta con más personas, y así sucesivamente.
Si quieres saber más sobre esta técnica, descubre en profundidad cómo se hace un muestreo de bola de nieve.
¿Cómo decidir el tamaño de tu muestra?
Aquí viene la parte que asusta a muchos, pero es más sencilla de lo que parece. El tamaño de tu muestra es crucial, y para el muestreo probabilístico se basa en tres factores:
- Tamaño del universo (N): ¿cuántos elementos tiene tu población?
- Error máximo aceptable (e): es el margen de error que estás dispuesto a tolerar. En ciencias sociales, un 5% es el estándar.
- Nivel de confianza (Z): es la probabilidad de que tu estimación sea correcta. El 95% es el nivel más común.
- Porcentaje estimado de la muestra (p): si no sabes nada sobre la distribución de la característica que estudias, usa 50% (0.5), ya que este valor maximiza la varianza y te da el tamaño de muestra más conservador y seguro.
Afortunadamente, existen calculadoras en línea (como STATS®) que hacen este cálculo por ti, solo tienes que ingresar estos datos.
Ejemplo: si tienes una población de 5,000 estudiantes (N) y quieres un nivel de confianza del 95% con un error del 5%, la calculadora te arrojará que necesitas una muestra de 357 estudiantes. Si quieres reducir el error al 3% y mantener la confianza en 95%, tu muestra necesitará crecer a 892 estudiantes. Como ves, reducir el error tiene un costo.
Consejos seleccionar la muestra
- Define tu población con precisión: no digas solo “estudiantes universitarios”. Sé específico: “estudiantes de tiempo completo de la Licenciatura en Sociología de la UNAM, inscritos en el semestre 2025-2”. Esto es crucial para que tus conclusiones sean válidas.
- Asegura un marco muestral de calidad: si vas a usar una muestra probabilística, asegúrate de que tu listado de la población (tu marco muestral) sea completo, actualizado y preciso. Si no lo es, tu muestra, por más aleatoria que sea, tendrá un sesgo.
- Justifica tu elección: no elijas una técnica de muestreo al azar. En tu tesis, debes justificar por qué optaste por el muestreo probabilístico o no probabilístico. Explica las ventajas y desventajas de tu elección en el contexto de tu investigación. Por ejemplo, “se optó por un muestreo por conveniencia debido a las restricciones de tiempo y presupuesto, asumiendo las limitaciones de la generalización de resultados”.
- Combina técnicas: a veces, la mejor estrategia es combinar. Por ejemplo, puedes usar un muestreo por racimos para seleccionar las escuelas, y luego un muestreo estratificado para seleccionar estudiantes dentro de cada escuela, garantizando que tu muestra incluya a estudiantes de diferentes grados.
Elegir la técnica correcta de muestreo te ahorrará tiempo y recursos, al tiempo que asegurará la validez y el rigor de tu tesis.
No dejes que la metodología te intimide. Con un buen plan y los conocimientos correctos, podrás seleccionar tu muestra con confianza y llevar tu investigación al siguiente nivel. La elección de la técnica debe ser coherente con los objetivos de tu investigación. Si quieres generalizar, el camino es el muestreo probabilístico. Si tu interés es la exploración y la riqueza de datos, el muestreo no probabilístico es tu aliado.
¿Necesitas ayuda con tu trabajo académico?
¿Buscas acompañamiento profesional para tu tesis? Mira este video y conoce cómo Tesis y Másters te apoya en cada fase del proceso:
Contamos con 1000+ profesionales y más de 10 años de experiencia. Garantizamos total confidencialidad y personalizamos nuestros servicios según tus necesidades. ¿Preparado para empezar? Pide tu presupuesto sin compromiso o contáctanos por WhatsApp. Confía en nuestros expertos para avanzar con confianza en tu proyecto académico.
Preguntas frecuentes
¿Qué es el muestreo en una investigación?
El muestreo es el proceso de seleccionar un subconjunto (muestra) representativo de una población más grande para estudiar sus características y hacer inferencias válidas sobre el total.
¿Por qué es importante elegir una buena técnica de muestreo?
Una técnica adecuada asegura que la muestra represente a la población, garantizando resultados válidos, fiables y, en el caso de muestreo probabilístico, generalizables.
¿Cuáles son las dos grandes familias de técnicas de muestreo?
Muestreo probabilístico, basado en aleatoriedad para generalizar resultados, y no probabilístico, basado en el criterio del investigador, ideal para estudios exploratorios.
¿Cuándo usar el muestreo de bola de nieve?
Es ideal para poblaciones de difícil acceso, como pacientes con enfermedades raras, empezando con un participante que conecta con otros, creciendo la muestra.
¿Cómo calcular el tamaño de la muestra en muestreo probabilístico?
Depende del tamaño de la población (N), error máximo (e, usualmente 5%), nivel de confianza (Z, 95% estándar) y porcentaje estimado (p, 50% si desconocido). Usa calculadoras como STATS®.
Referencias
- Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. P. (2014). Metodología de la investigación (6ª ed.). McGraw-Hill. https://apiperiodico.jalisco.gob.mx/api/sites/periodicooficial.jalisco.gob.mx/files/metodologia_de_la_investigacion_-_roberto_hernandez_sampieri.pdf
- Hernández-Ávila, C. E., & Carpio Escobar, N. A. (2019). Introducción a los tipos de muestreo. Alerta, Revista Científica del Instituto Nacional de Salud, 2(1), 75-79. https://doi.org/10.5377/alerta.v2i1.7535
