Tipos de muestreo: probabilístico y no probabilístico (cuál usar)

Tienes tu población definida, sabes a quién quieres estudiar… pero no puedes encuestar a todo el mundo. Ahí entra el muestreo: la decisión de a quién vas a observar para sacar conclusiones sobre el conjunto. Y no es un trámite menor: elegir mal puede invalidar tu análisis o hacer que el jurado cuestione si tus resultados representan algo. En esta guía te explicamos, sin jerga innecesaria, los tipos de muestreo probabilístico y no probabilístico, con sus técnicas y cuándo usar cada una según tu tesis.

Qué es el muestreo y por qué tu tesis depende de él

Muestrear es elegir una parte (la muestra) de un conjunto mayor (la población) para estudiarla y, a partir de ahí, decir algo sobre el todo. Si quieres afianzar esa diferencia antes de seguir, lee nuestra guía sobre población y muestra, porque todo el muestreo se construye sobre ella.

La pregunta de fondo es siempre la misma: ¿la muestra que elijo representa de verdad a la población? De cómo respondas depende que puedas o no generalizar tus hallazgos, y eso cambia según uses un método probabilístico o no probabilístico.

El tipo de muestreo no es un detalle técnico que se decide al final: es lo que determina si tus conclusiones valen para tu muestra o para toda la población. Decídelo cuando defines tu metodología, no cuando ya recogiste los datos.

Muestreo probabilístico: cuando quieres generalizar

En el muestreo probabilístico cada miembro de la población tiene una probabilidad conocida y mayor que cero de ser seleccionado, lograda con azar y no con el criterio del investigador. Su gran ventaja: permite calcular el margen de error y generalizar a toda la población con un nivel de confianza definido; es el muestreo del enfoque cuantitativo que busca representatividad. Su precio: casi siempre necesitas un marco muestral, un listado completo de la población (la matrícula de una universidad, el registro de pacientes de un hospital). Veamos sus cuatro técnicas.

Muestreo aleatorio simple

Es el más puro: cada elemento tiene exactamente la misma probabilidad de salir elegido, como un sorteo. Numeras a toda la población y eliges al azar (con una tabla de números aleatorios o un generador en Excel) hasta completar el tamaño que necesitas.

Cuándo usarlo: cuando tienes un marco muestral completo y la población es relativamente homogénea y no demasiado grande. Es la opción ideal si puedes acceder a la lista entera y no hay subgrupos que te interese diferenciar. Su límite aparece con poblaciones muy dispersas o heterogéneas: ahí el azar puro puede dejar fuera, por mala suerte, a grupos importantes.

Muestreo sistemático

Es una variante práctica del anterior. En lugar de sortear uno por uno, ordenas la lista, calculas un intervalo (divides el tamaño de la población entre el de la muestra) y eliges cada k-ésimo elemento desde un arranque aleatorio. Si el intervalo es 10, eliges al participante 3, 13, 23, 33, y así.

Cuándo usarlo: cuando tienes un listado ordenado y quieres rapidez. Es muy cómodo en campo (encuestar a cada quinta persona que sale de un lugar). El cuidado clave: que el orden de la lista no tenga un patrón oculto que coincida con tu intervalo, porque introduciría sesgo.

Muestreo estratificado

Divides la población en estratos (subgrupos homogéneos según una característica relevante: sexo, semestre, nivel socioeconómico, región) y tomas una muestra aleatoria dentro de cada uno. Puede ser proporcional (cada estrato aporta según su peso real en la población) o no proporcional.

Cuándo usarlo: cuando la población es heterogénea y necesitas que ciertos subgrupos queden bien representados, o cuando quieres comparar entre grupos. Evita que un grupo minoritario pero importante desaparezca de tu muestra. Si tu tesis compara hombres y mujeres, o primeros y últimos semestres, casi siempre es la mejor decisión.

Muestreo por conglomerados

En vez de individuos, seleccionas grupos completos (conglomerados) y estudias a todos sus miembros, o haces un segundo muestreo dentro de ellos. Por ejemplo: en lugar de listar a todos los estudiantes de una ciudad, eliges al azar varios colegios y encuestas a sus alumnos.

Cuándo usarlo: cuando la población está muy dispersa geográficamente y no tienes un listado individual completo. Es el más económico para estudios grandes, pero suele tener mayor error que el estratificado, porque la gente de un mismo conglomerado tiende a parecerse.

Muestreo no probabilístico: cuando buscas profundidad o no tienes marco muestral

En el muestreo no probabilístico la selección no depende del azar, sino del criterio del investigador o de la disponibilidad de los participantes, cuya probabilidad de entrar no se conoce. La consecuencia es directa: no puedes calcular el error de muestreo ni generalizar con la misma fuerza estadística. ¿Es "peor"? No: es el adecuado para la investigación cualitativa, los estudios exploratorios y cuando no existe un listado de la población. Lo importante es usarlo a conciencia y reconocer sus límites. Estas son sus técnicas más usadas.

Muestreo por conveniencia

Eliges a quienes tienes más a la mano: los compañeros de tu facultad, los pacientes que llegan esa semana, las personas que responden tu encuesta en línea. Es rápido, barato y muy común en tesis de pregrado con recursos limitados.

Cuándo usarlo: en estudios exploratorios, pilotos de instrumentos o cuando el tiempo y el acceso no dejan otra opción. Es legítimo, pero el que más sesgo introduce: sé honesto en tus limitaciones y no afirmes que representa a toda la población.

Muestreo por cuotas

Una versión más controlada del de conveniencia. Defines de antemano cuántos participantes necesitas de cada categoría (30 hombres y 30 mujeres, o tantos de cada rango de edad) y rellenas esas cuotas con quien esté disponible. Imita la lógica del estratificado, pero sin azar dentro de cada grupo.

Cuándo usarlo: cuando quieres que tu muestra refleje ciertas proporciones de la población pero no tienes un marco muestral para un estratificado real. Es frecuente en estudios de mercado. Mejora la representatividad frente a la conveniencia pura, aunque sigue sin permitir cálculo de error.

Muestreo por bola de nieve

Empiezas con unos pocos participantes que cumplen tu perfil y les pides que te refieran a otros que también lo cumplan; así la muestra crece como una bola de nieve, donde cada participante te conecta con los siguientes.

Cuándo usarlo: cuando estudias poblaciones difíciles de localizar o sensibles, donde no hay listados y el acceso depende de la confianza (migrantes en situación irregular, personas con una condición poco frecuente, redes profesionales cerradas). Es muy potente para llegar a quien sería invisible de otro modo, con el costo de que los participantes tienden a parecerse entre sí.

Muestreo intencional o por juicio

El investigador elige deliberadamente a los participantes que considera más informativos, según criterios explícitos. No busca representar, busca casos ricos: el experto que más sabe del tema, la organización que vivió el proceso, el grupo que mejor encarna lo que quieres comprender.

Cuándo usarlo: es el rey de la investigación cualitativa. Cuando tu objetivo es comprender en profundidad y no medir frecuencias, elegir a propósito a los participantes adecuados es metodológicamente correcto. La clave es justificar bien por qué esos casos y no otros.

Cómo elegir: la pregunta es tu enfoque

La decisión casi siempre se reduce a una pregunta previa: ¿qué quieres lograr con tu investigación? De ahí sale tu enfoque, y del enfoque sale el muestreo. Si todavía dudas entre lo cuantitativo y lo cualitativo, revisa primero cómo elegir tu metodología.

• Cuantitativo y quieres generalizar. Necesitas un muestreo probabilístico: aleatorio simple o sistemático si la población es homogénea y tienes el listado; estratificado si hay subgrupos importantes; por conglomerados si está muy dispersa.
• Cuantitativo pero sin marco muestral. Si no puedes acceder a un listado de la población, se suele recurrir al muestreo por cuotas o por conveniencia, reconociendo que pierdes capacidad de generalización.
• Cualitativo. Casi siempre no probabilístico: intencional para casos clave, bola de nieve cuando la población es difícil de ubicar, conveniencia en estudios exploratorios. Aquí no buscas representatividad, sino profundidad.

Y recuerda: el muestreo debe ser coherente con tus objetivos. Si hablan de "describir la percepción de" un grupo específico, encaja un muestreo intencional; si hablan de "determinar la prevalencia de" algo en una población, necesitas uno probabilístico. Si aún estás armando el proyecto, nuestra guía de cómo hacer tu tesis te da el panorama completo.

Muestreo y tamaño de la muestra: relacionados, pero no son lo mismo

Un error frecuente es confundir el tipo de muestreo (cómo eliges) con el tamaño de la muestra (a cuántos eliges): son decisiones distintas que se conectan.

En el probabilístico, el tamaño se calcula con una fórmula a partir de tres cosas: el nivel de confianza (típicamente 95 %), el margen de error que aceptas y el tamaño de la población. Cuanto más preciso quieras ser, más grande será la muestra; ese número es lo que te permite generalizar.

En el no probabilístico no hay fórmula única: el número se define por saturación (dejas de sumar casos cuando ya no aparece información nueva) o por la profundidad que requiere el estudio. Por eso una tesis cualitativa puede trabajar con unas pocas entrevistas y estar bien justificada, mientras una encuesta probabilística puede necesitar cientos de respuestas. Si vas a aplicar instrumentos a esa muestra, mira cómo se diseñan las encuestas y cuestionarios.

Errores frecuentes con el muestreo (y cómo evitarlos)

• Llamar "aleatorio" a algo que no lo es. Encuestar a quien pasa por la calle no es aleatorio simple: es conveniencia. Usar esa palabra sin un mecanismo real de azar es un error que el jurado detecta de inmediato.
• Querer generalizar desde una muestra no probabilística. Si elegiste por conveniencia, no puedes concluir que tus resultados valen para "todos los estudiantes del país". Reconoce el alcance real de tu muestra.
• No describir el procedimiento. No basta con escribir "se usó muestreo estratificado": explica los estratos, cómo se repartió la muestra y cómo se seleccionó dentro de cada uno. Debe ser replicable.
• Ignorar el marco muestral. Prometer un muestreo probabilístico sin acceso a un listado de la población es ofrecer algo que no podrás cumplir. Verifica antes que el marco existe y es accesible.
• No justificar la elección. Toda decisión de muestreo debe sustentarse en autores y en la lógica de tus objetivos. Un muestreo "porque sí" debilita el capítulo metodológico.

Cuando ya tengas los datos recogidos, el siguiente paso es el análisis. Si tu estudio es cuantitativo, te servirá ver cómo se procesan los resultados con SPSS y el análisis estadístico.

Preguntas frecuentes

¿Cuál es la diferencia entre muestreo probabilístico y no probabilístico?
En el probabilístico cada miembro tiene una probabilidad conocida de ser elegido y puedes generalizar con un margen de error calculable. En el no probabilístico la selección depende del criterio del investigador o de la disponibilidad: no calcula error ni generaliza igual.

¿Qué muestreo uso en una tesis cuantitativa?
Uno probabilístico: aleatorio simple si tienes el listado completo, estratificado si necesitas representar subgrupos y por conglomerados si la población está muy dispersa. Sin marco muestral, a veces se usa por cuotas, reconociendo la limitación.

¿El no probabilístico sirve para una tesis cualitativa?
Sí, suele ser el más adecuado. El intencional, por bola de nieve o por conveniencia permite elegir a los participantes que más aportan, porque buscas comprender en profundidad, no generalizar.

¿El tipo de muestreo afecta el tamaño de la muestra?
Sí. En el probabilístico se calcula con una fórmula (confianza, margen de error y población). En el no probabilístico se define por saturación o por la profundidad del estudio, y suele ser mucho menor.

¿Puedo combinar varios tipos de muestreo?
Sí, se llama muestreo mixto o por etapas: estratificado para la fase cuantitativa e intencional para elegir casos de la cualitativa. Lo clave es justificar y describir cada decisión.

En resumen

El muestreo se divide en dos familias. El probabilístico (aleatorio simple, sistemático, estratificado y por conglomerados) usa el azar, necesita un marco muestral y te permite generalizar con un margen de error: es el del enfoque cuantitativo. El no probabilístico (conveniencia, cuotas, bola de nieve e intencional) se basa en el criterio del investigador, no calcula error y es el aliado de la investigación cualitativa. La regla de oro: elige según tu enfoque y tus objetivos, justifica con autores y describe el procedimiento paso a paso. Hazlo bien desde el principio y tu capítulo metodológico se sostendrá solo.