Muestreo Probabilístico y No Probabilístico

Cuando se lleva a cabo una investigación sobre un grupo de personas, rara vez es posible recoger datos de todas las personas de ese grupo. En su lugar, se hace un muestreo. La muestra es el grupo de individuos que realmente participarán en la investigación. Para sacar conclusiones válidas de sus resultados, tiene que decidir cuidadosamente cómo va a seleccionar una muestra que sea representativa del grupo en su conjunto. Según Edwards (2014), hay dos tipos de métodos de muestreo: El muestreo probabilístico implica la selección aleatoria, lo que le permite hacer inferencias estadísticas sólidas sobre todo el grupo. El muestreo no probabilístico implica una selección no aleatoria basada en criterios de conveniencia o de otro tipo, lo que le permite recopilar datos fácilmente.

Debe explicar claramente cómo ha seleccionado la muestra en la sección de metodología de su trabajo o tesis.

Población frente a muestra

En primer lugar, según Pyrczak (2014), hay que entender la diferencia entre una población y una muestra, e identificar la población objetivo de su investigación.

La población es todo el grupo sobre el que se quiere sacar conclusiones.

La muestra es el grupo específico de individuos del que se recogen datos.

La población puede definirse en términos de ubicación geográfica, edad, ingresos y muchas otras características.

Puede ser muy amplia o bastante limitada: tal vez quiera hacer inferencias sobre toda la población adulta de su país; tal vez su investigación se centre en los clientes de una determinada empresa, en los pacientes con una enfermedad concreta o en los alumnos de un solo centro educativo.

Es importante definir cuidadosamente la población objetivo en función del objetivo y los aspectos prácticos del proyecto.

Si la población es muy grande, demográficamente mixta y geográficamente dispersa, podría ser difícil acceder a una muestra representativa.

Marco de muestreo

El marco de muestreo es la lista real de individuos de la que se extraerá la muestra. Lo ideal es que incluya a toda la población objetivo (y a nadie que no forme parte de esa población).

Ejemplo

Usted está realizando una investigación sobre las condiciones de trabajo en la empresa X. Su población son los 1.000 empleados de la empresa. El marco de muestreo es la base de datos de recursos humanos de la empresa, que contiene los nombres y datos de contacto de todos los empleados.

Tamaño de la muestra

El número de personas que debe incluir en la muestra depende de varios factores, como el tamaño y la variabilidad de la población y el diseño de la investigación. Existen diferentes calculadoras y fórmulas de tamaño de muestra en función de lo que se quiera conseguir con el análisis estadístico.

Métodos de muestreo probabilístico

El muestreo probabilístico significa que cada miembro de la población tiene una oportunidad de ser seleccionado. Se utiliza principalmente en la investigación cuantitativa. Según Joyner et al (2013), si se desea obtener resultados representativos de toda la población, las técnicas de muestreo probabilístico son la opción más válida.

Existen cuatro tipos principales de muestreo probabilístico.

Muestreo aleatorio simple

En un muestreo aleatorio simple, cada miembro de la población tiene la misma probabilidad de ser seleccionado. El marco de muestreo debe incluir a toda la población.

Para llevar a cabo este tipo de muestreo, puede utilizar herramientas como generadores de números aleatorios u otras técnicas que se basan totalmente en el azar.

Ejemplo

Se desea seleccionar una muestra aleatoria simple de 100 empleados de la empresa X. Se asigna un número a cada empleado de la base de datos de la empresa del 1 al 1000, y se utiliza un generador de números aleatorios para seleccionar 100 números.

Muestreo sistemático

El muestreo sistemático es similar al muestreo aleatorio simple, pero suele ser algo más fácil de realizar. Cada miembro de la población aparece con un número, pero en lugar de generar números al azar, los individuos se eligen a intervalos regulares.

Ejemplo

Todos los empleados de la empresa se enumeran por orden alfabético. De los 10 primeros números, se selecciona al azar un punto de partida: el número 6. A partir del número 6, se seleccionan cada 10 personas de la lista (6, 16, 26, 36, etc.), y se acaba con una muestra de 100 personas.

Si utiliza esta técnica, es importante asegurarse de que no hay ningún patrón oculto en la lista que pueda sesgar la muestra. Por ejemplo, si la base de datos de RR.HH. agrupa a los empleados por equipos, y los miembros de los equipos aparecen por orden de antigüedad, existe el riesgo de que su intervalo omita a las personas que desempeñan funciones inferiores, lo que daría lugar a una muestra sesgada hacia los empleados de mayor antigüedad.

Muestreo estratificado

El muestreo estratificado consiste en dividir la población en subpoblaciones que pueden diferir en aspectos importantes. Permite extraer conclusiones más precisas al garantizar que cada subgrupo está adecuadamente representado en la muestra.

Para utilizar este método de muestreo, se divide la población en subgrupos (denominados estratos) en función de la característica pertinente (por ejemplo, el sexo, el rango de edad, el nivel de ingresos o la función laboral).

Basándose en las proporciones globales de la población, se calcula el número de personas que deben ser muestreadas de cada subgrupo. A continuación, se utiliza el muestreo aleatorio o sistemático para seleccionar una muestra de cada subgrupo.

Ejemplo

La empresa tiene 800 empleadas y 200 empleados. Quiere asegurarse de que la muestra refleja el equilibrio de género de la empresa, por lo que clasifica la población en dos estratos en función del género. A continuación, utiliza el muestreo aleatorio en cada grupo, seleccionando 80 mujeres y 20 hombres, lo que le proporciona una muestra representativa de 100 personas.

Muestreo por conglomerados

El muestreo por conglomerados también implica dividir la población en subgrupos, pero cada subgrupo debe tener características similares a las de la muestra completa. En lugar de muestrear individuos de cada subgrupo, se seleccionan aleatoriamente subgrupos enteros.

Si es posible en la práctica, puede incluir a todos los individuos de cada conglomerado muestreado. Si los conglomerados son grandes, también puede muestrear individuos de cada conglomerado utilizando una de las técnicas anteriores.

Este método es bueno para tratar con poblaciones grandes y dispersas, pero hay más riesgo de error en la muestra, ya que podría haber diferencias sustanciales entre clusters. Es difícil garantizar que los conglomerados muestreados sean realmente representativos de toda la población.

Ejemplo

La empresa tiene oficinas en 10 ciudades de todo el país (todas con aproximadamente el mismo número de empleados con funciones similares). No tiene la capacidad de viajar a todas las oficinas para recoger los datos, por lo que utiliza el muestreo aleatorio para seleccionar 3 oficinas, que son sus conglomerados.

Muestreo no probabilístico

Muestreo de conveniencia

Una muestra de conveniencia incluye simplemente a los individuos que resultan más accesibles para el investigador.

Es una forma fácil y barata de recopilar datos iniciales, pero no hay forma de saber si la muestra es representativa de la población, por lo que no puede producir resultados generalizables.

Ejemplo

Estás investigando las opiniones sobre los servicios de apoyo a los estudiantes en tu universidad, así que después de cada una de tus clases, pides a tus compañeros que completen una encuesta sobre el tema. Esta es una forma conveniente de recopilar datos, pero como sólo encuestaste a los estudiantes que tomaban las mismas clases que tú en el mismo nivel, la muestra no es representativa de todos los estudiantes de tu universidad.

Muestreo de respuesta voluntaria

Al igual que la muestra de conveniencia, la muestra de respuesta voluntaria se basa principalmente en la facilidad de acceso. En lugar de que el investigador elija a los participantes y se ponga en contacto directamente con ellos, la gente se ofrece voluntariamente (por ejemplo, respondiendo a una encuesta pública en línea).

Las muestras de respuesta voluntaria siempre están, al menos, algo sesgadas, ya que algunas personas serán intrínsecamente más propensas a ofrecerse como voluntarias que otras.

Ejemplo

Usted envía la encuesta a todos los estudiantes de su universidad y muchos de ellos deciden completarla. Esto ciertamente puede darle una idea del tema, pero es más probable que las personas que respondieron sean aquellas que tienen opiniones fuertes sobre los servicios de apoyo a los estudiantes, por lo que no puede estar seguro de que sus opiniones sean representativas de todos los estudiantes.

Muestreo intencional

Este tipo de muestreo, también conocido como muestreo de juicio, implica que el investigador utilice su experiencia para seleccionar una muestra que sea más útil para los fines de la investigación.

Se utiliza a menudo en la investigación cualitativa, cuando el investigador quiere obtener un conocimiento detallado sobre un fenómeno específico en lugar de hacer inferencias estadísticas, o cuando la población es muy pequeña y específica. Una muestra intencionada eficaz debe tener unos criterios y una justificación de inclusión claros.

Ejemplo

Desea saber más sobre las opiniones y experiencias de los estudiantes discapacitados de su universidad, por lo que selecciona intencionadamente a varios estudiantes con diferentes necesidades de apoyo a fin de recopilar una gama variada de datos sobre sus experiencias con los servicios estudiantiles.

Muestreo de bola de nieve

Si la población es de difícil acceso, se puede utilizar el muestreo de bola de nieve para reclutar participantes a través de otros participantes. El número de personas a las que se tiene acceso “hace bola de nieve” a medida que se entra en contacto con más personas.

Ejemplo

Estás investigando las experiencias de los sin techo en tu ciudad. Como no hay una lista de todas las personas sin hogar de la ciudad, no es posible realizar un muestreo probabilístico. Conoces a una persona que acepta participar en la investigación y te pone en contacto con otras personas sin hogar que conoce en la zona.

Métodos de muestreo no probabilístico

según Cottrell (2014), en un muestreo no probabilístico, los individuos se seleccionan en base a criterios no aleatorios, y no todos los individuos tienen la posibilidad de ser incluidos.

Este tipo de muestra es más fácil y barata de acceder, pero tiene un mayor riesgo de sesgo de muestreo. Esto significa que las inferencias que puede hacer sobre la población son más débiles que con las muestras probabilísticas, y sus conclusiones pueden ser más limitadas. Si se utiliza una muestra no probabilística, hay que intentar que sea lo más representativa posible de la población.

Las técnicas de muestreo no probabilístico se utilizan a menudo en la investigación exploratoria y cualitativa. En estos tipos de investigación, el objetivo no es probar una hipótesis sobre una población amplia, sino desarrollar una comprensión inicial de una población pequeña o poco investigada.

Nuestros especialistas esperan por ti para que los contactes a través del formulario de cotización o del chat directo. También contamos con canales de comunicación confidenciales como WhatsApp y Messenger. Y si quieres estar al tanto de nuestros novedosos servicios y las diferentes ventajas de contratarnos, síguenos en Facebook, Instagram o Twitter.

Si este artículo fue de tu agrado, no olvides compartirlo por tus redes sociales.

Referencias Bibliográficas

Cottrell, Stella. Dissertations and Project Reports: A Step by Step Guide. Basingstoke, UK: Palgrave Macmillan, 2014.

Edwards, Mark. Writing in Sociology. Thousand Oaks, CA: Sage Publications, 2014.

Joyner, Randy L., William A. Rouse, and Allan A. Glatthorn. Writing the Winning Thesis or Dissertation: A Step-by-step Guide. 3rd edition. Thousand Oaks, CA: Corwin Press, 2013.

Pyrczak, Fred. Writing Empirical Research Reports: A Basic Guide for Students of the Social and Behavioral Sciences. 8th edition. Glendale, CA: Pyrczak Publishing, 2014.