- La población es condición indispensable para seleccionar la muestra representativa. La muestra es una parte de la población sobre la cual se generalizarán los resultados a toda la población. Los procedimientos probabilísticos y no probabilísticos son métodos para seleccionar la muestra.

1. 1
Bloque Temático 12
Diseño Muestral de la
Investigación
RESUMEN
 La población es condición indispensable para seleccionar la muestra. No toda
investigación requiere muestra, pues existen las investigaciones censales que estudian
a todos los sujetos de la población, lo que a nivel de representatividad es la más
exacta, pues ninguna muestra es más completa que la totalidad.
 La muestra viene a ser una parte de la población, allí se va a realizar la investigación y
a partir de ella, se van a generalizar los resultados al íntegro del universo estadístico,
razón por la cual, el investigador deberá asegurarse “de que refleja los atributos,
propiedades y características del universo”.
 El llamado universo es una población básica teórica sobre la cual los estadísticos han
creado toda la teoría del muestro. Este se suele asimilar a la población más amplia que
se quiere conocer en un estudio pero que por razones prácticas no es posible de
alcanzar.
 Los procedimientos probabilísticos pueden ser: aleatorio simple, aleatorio estratificado
y aleatorio sistemático.
 Los procedimientos de muestreo no probabilístico pueden ser: muestreo accidental y
muestreo por cuotas.
1.0 ¿QUÉ ES LA POBLACIÓN?
Se define como población al universo estadístico. Está constituida por el conjunto de
individuos o de objetos de quienes el investigador necesita conocer algo. En los
trabajos de investigación es esencial, desde la etapa de planificación, identificar
adecuadamente la población, vale decir, delimitarla de acuerdo al tema – problema.
La población es condición indispensable para seleccionar la muestra. No toda
investigación requiere muestra, pues existen las investigaciones censales que
estudian a todos los sujetos de la población, lo que a nivel de representatividad es la
más exacta, pues ninguna muestra es más completa que la totalidad. En una
investigación censal, en vez de referirnos a la muestra, es más apropiado hablar de
ámbito. Ahora bien, tratándose de investigaciones no censales, la determinación de
la muestra es forzosa.

2. 2
La población se define como el conjunto o la totalidad de elementos – personas,
objetos – que tiene al menos una característica común susceptible de estudio,
observación o medición. Se llama población asequible aquella que permite tomar una
muestra representativa de ella y por lo cual puede inferir que las observaciones
realizadas sobre los elementos que la componen no presenta diferencias
significativas y que estas diferencias se deben al azar. Al darse estas condiciones,
los resultados de las observaciones se pueden generalizar a la población que les dio
origen.
El llamado universo es una población básica teórica sobre la cual los estadísticos
han creado toda la teoría del muestro. Este se suele asimilar a la población más
amplia que se quiere conocer en un estudio pero que por razones prácticas no es
posible de alcanzar.
Las poblaciones suelen clasificarse en finitas e infinitas de acuerdo con la posibilidad
de definir su contenido total, el cual se denomina marco muestral. La población finita
es aquella que se puede limitar, como el número de estudiantes de cierta institución
educativa, o una ciudad determinada. La población infinita es aquella cuyo límite no
se puede establecer con claridad como el número de mosquitos en la ciudad. El
muestreo es el procedimiento estadístico mediante el cual es posible identificar las
características de una población, con base de unos pocos constituyentes de dicha
población. Por tanto, la muestra constituye un subconjunto del conjunto total o
población.
En los casos que la población esté compuesta por un número relativamente alto de
unidades. Será prácticamente imposible, por razones de tiempo y de costos, y por
que no es en realidad imprescindible, examinar cada una de las unidades. Cuando
se selecciona algunos de los elementos con la intención de averiguar algo sobre la
población de la cual están tomados, nos referimos a ese grupo de elementos como
muestra.
2.0 ¿QUÉ ES MUESTRA POBLACIONAL?
La muestra viene a ser una parte de la población, allí se va a realizar la investigación
y a partir de ella, se van a generalizar los resultados al íntegro del universo
estadístico, razón por la cual, el investigador deberá asegurarse “de que refleja los
atributos, propiedades y características del universo”. Esta es la condición
denominada representatividad.
“Una muestra representativa es aquella que tiene todas, o
casi todas las características de su universo. Toda muestra
sólo da información de aquella población de la cual ha sido
extraída.” 1
Para seleccionar una muestra, lo primero es definir la unidad de análisis (personas,
animales, plantas, organizaciones, empresas, bancos, colegios, etc.). Una vez que
se ha definido cuál será la unidad de análisis, se procede a delimitar la población que
va a ser estudiada y sobre la cual pretende generalizar los resultados. Por ejemplo
en el trabajo de investigación se ha planteado como objetivo: “Descubrir los factores
1
AVILA ACOSTA. Roberto. Op. cit. p.p. 42.

3. 3
que influyen en el consumo de drogas de los adolescentes”. La unidad de análisis se
define como: Los adolescentes. Pero ¿de qué población se trata? ¿De todos los
adolescentes de América Latina?, ¿De todos los adolescentes del Perú?, mientras
que los límites de la población: Todos los adolescentes del Cercado de Lima
Metropolitana, que cursan el Quinto de secundaria, en el colegio públicos del turno
mañana.
M U E S T R A
LIMIT ES DE POBL ACIÓN
Adolescentes d el cercado
de Lima Metropolita na, que
cursan el 5to. de
secun daria, en colegio s
públicos del tur no mañana.
POBLACIÓN DE
ADOLESCENTES
DEL PERÚ
M U E S T R A
LIMIT ES DE POBL ACIÓN
Adolescentes d el cercado
de Lima Metropolita na, que
cursan el 5to. de
secun daria, en colegio s
públicos del tur no mañana.
POBLACIÓN DE
ADOLESCENTES
DEL PERÚ
3.0 CARÁCTERÍSTICAS DEL MUESTREO
En el diseño de investigación se debe tener muy en cuenta el diseño muestral,
selección aleatoria de unas unidades concretas de la población (entendida como el
conjunto de unidades para las que se desea obtener cierta información) con el objeto
de representarla, ya que de ello dependerá la calidad de la información que se
recoja.
La muestra dependerá del problema y los objetivos principales de la investigación,
así como de la estrategia de investigación que se haya escogido.
Para elegir la muestra es necesario, en primer lugar, identificar la población de
estudio mediante un listado que comprende las unidades de la población (es el
marco). De manera que la muestra escogida sólo podrá considerarse representativa
de aquellos que han tenido probabilidad de participar en la muestra. Es muy
relevante, por tanto, actualizar ese listado.
Una cuestión importante es el tamaño de la muestra. Éste dependerá del tiempo y
los recursos disponibles, de la modalidad de muestreo seleccionada (que también
influye en la estrategia), de la diversidad de los análisis de datos previos, la varianza
o heterogeneidad poblacional (a mayor heterogeneidad, mayor tamaño muestral), el
margen de error máximo admisible (a mayor tamaño de la muestra mayor precisión,
el error interviene cuando el diseño muestral es probabilístico, fijando el investigador
el error a priori) y el nivel de confianza de la estimación (también sólo para diseños

4. 4
probabilísticos, aumentar mínimamente el nivel de confianza supone aumentar más
del doble las unidades de la muestra).
La buena calidad de una muestra depende de su representatividad y amplitud. La
representatividad depende, en gran medida, de su tamaño, como hemos visto.
Sin embargo, la amplitud de la muestra en muchas ocasiones no es suficiente para
que sea buena porque puede contener errores, distorsiones.
Dado que la muestra sólo constituye una parte de la población siempre existirá
alguna divergencia entre las estimaciones o valores obtenidos de la muestra y los
parámetros o valores de la población, esto se denomina error muestral.
3.1 Leyes del muestreo
El método de muestreo se basa en ciertas leyes que le otorgan su fundamento
científico, las cuales son:
1. Ley de los grandes números. Si en una prueba, la probabilidad de un
acontecimiento o suceso es P, y si éste se repite una gran cantidad de veces,
la relación entre las veces que se produce el suceso y la cantidad total de
pruebas (es decir, la frecuencia F del suceso) tiende a acercarse cada vez
más a la probabilidad P.
2. Cálculo de probabilidades. La probabilidad de un hecho o suceso es la
relación entre el número de casos favorables (p) a este hecho con la cantidad
de casos posibles, suponiendo que todos los casos son igualmente posibles.
El método de establecer la probabilidad es lo que se denomina cálculo de
probabilidad.
De estas dos leyes fundamentales de la estadística, se infieren aquellas que
sirven de base más directamente al método de muestreo:
 Ley de la regularidad estadística. Un conjunto de n unidades tomadas al
azar de un conjunto N, es casi seguro que tenga las características del grupo
más grande.
 Ley de la inercia de los grandes números. Esta ley es contraria a la
anterior. Se refiere al hecho de que en la mayoría de los fenómenos, cuando
una parte varía en una dirección, es probable que una parte igual del mismo
grupo, varíe en dirección opuesta.
 Ley de la permanencia de los números pequeños. Si una muestra
suficientemente grande es representativa de la población, una segunda
muestra de igual magnitud deberá ser semejante a la primera; y, si en la
primera muestra se encuentran pocos individuos con características raras, es
de esperar encontrar igual proporción en la segunda muestra.
3.2 Ventajas y limitaciones del uso de muestras
Entre las ventajas del uso de muestras tenemos:

5. 5
 Costo reducido. Resulta obvio que si no se estudia la totalidad de sujetos
sino una muestra de ellos, los recursos financieros, materiales, personal, etc.
necesarios para hacer la investigación serán menores.
 Mayor rapidez. de igual forma, la recolección de la información se hará en
menos tiempo.
 Mayor exactitud. Al estudiar una muestra se reduce el volumen de trabajo,
por lo cual es posible entonces emplear personal más capacitado, supervisar
con mayor cuidado las actividades de campo, el procesamiento de los datos,
y de esta forma obtener resultados más exactos que los que obtendríamos
de estudiar toda la población.
 Mayores posibilidades. Existen casos en los cuales no es posible estudiar
toda la población, como por ejemplo, cuando ésta es infinita o muy grande o
cuando el proceso de medida para estudiar la característica deseada es
destructivo (determinar la dosis letal de una droga por ejemplo, o al consumir
un artículo para juzgar sobre su calidad). En ese caso solo es posible
estudiar una muestra.
En cuanto a las limitaciones de utilizar muestras debemos indicar:
 No se debe emplear muestras cuando la población es muy pequeña
 La teoría del muestreo es compleja y no es del dominio de la mayoría de los
investigadores, por lo que con frecuencia deben buscar apoyo en
especialistas en la materia.
4.0 SELECCIÓN DE LA MUESTRA
Para seleccionar una muestra lo primero que hay que hacer es definir la unidad de
análisis. El “quienes van a ser medidos” depende de precisar claramente el problema
a investigar y los objetivos de la investigación.
Una vez definida la unidad de análisis, hay que delimitar la población que va a ser
estudiada y sobre la cual se pretende generalizar los resultados. La población es el
conjunto total de las unidades de análisis. Un estudio no será mejor por tener una
población más grande, sino que la calidad del trabajo estriba en delimitar claramente
la población con base a los objetivos del estudio. Las poblaciones deben situarse
claramente en torno a sus características de contenido, lugar y en el tiempo.
La muestra suele ser definida como un subgrupo de la población. Es el conjunto de la
población construido de manera tal que conserva las características más relevantes
de la población. Existen dos tipos de muestra:
 Muestras probabilísticas. En estas, todos los elementos de la población tienen la
misma posibilidad de ser escogidos. Se obtiene definiendo las características de
la población, el tamaño de la muestra y a través de una selección aleatoria y/o
mecánica de las unidades de análisis. para garantizar que la probabilidad exista
hay que tomar ciertos requisitos, tales como “el azar estadístico”, este implica
garantizar que un criterio de sorteo sea utilizado para elegir la muestra.

6. 6
 Muestras no probabilísticas. La elección de los elementos no depende de la
probabilidad, sino de causas relacionadas con las características del investigador
o del que hace la muestra. No permite establecer probabilidades iguales, hay un
sesgo.
Elegir entre una muestra probabilística y una no probabilística se determina con base
en los objetivos de estudio, el esquema de la investigación y el alcance de sus
contribuciones.
En cuanto al tamaño de la muestra (tanto probabilística como no probabilística)
depende de:
1. Disposición poblacional o variabilidad. No podemos asumir la homogeneidad
de la población, por lo tanto la muestra tiene que representar la heterogeneidad de
la población. (cuánto más heterogénea es la población, nás grande va a ser la
muestra).
2. El nivel de confianza (significación estadística). Asociado a la probabilidad del
éxito, si yo quiero un mayor nivel de confianza necesito agrandar el tamaño de la
muestra.
3. El error de estimación. Para tener un menor error de estimación, debo aumentar
el tamaño de la muestra.
A partir de estos 3 criterios elijo el tamaño de la muestra (“n”), no necesariamente el
“n” más grande es mejor, depende también de la manera en que fueron
seleccionados los casos.
Existen “errores muestrales” (es un problema de estimación, por ejemplo si usaste un
nivel de confianza menor del que necesitabas) y “no muestrales” (cuestiones de
relevamiento, por ejemplo, si en los cuestionarios hay preguntas ambigüas) estos
últimos no se pueden medir.
5.0 TIPOS DE MUESTREO: Procedimientos Probabilísticos y No Probabilísticos
5.1 Procedimientos Probabilísticos
En términos muy simples se puede decir que existen dos procedimientos básicos
para seleccionar el tipo de muestreo más apropiado para determinado tipo de
problema. Mediante estos procedimientos el criterio fundamental es la selección
aleatoria o al azar, donde cada uno de los miembros de la población tiene
igualdad de oportunidades de ser incluidos en la muestra.
Esto se obtiene definiendo las características de la población, el tamaño de la
muestra y a través de una selección aleatoria y/o mecánica de las unidades de
análisis (Hernándezy otros 2006).
Sólo los métodos de muestreo probabilísticos nos aseguran la representatividad
de la muestra extraída y son, por tanto, los más recomendables.
Dentro de estos procedimientos se tiene las siguientes técnicas.

7. 7
5.1.1 Aleatorio Simple
El muestreo aleatorio simple garantiza, que cada una de las unidades de la
población tenga la misma oportunidad de aparecer en la muestra. La
técnica consiste en seleccionar a cada sujeto totalmente al azar. Este tipo
de muestreo es quizás el más conocido de todos. Un aspecto básico y a la
vez esencial es el supuesto de que cada uno de los miembros de una
población tiene iguales posibilidades de pertenecer a la muestra.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad
práctica cuando la población que estamos manejando es muy grande.
Este tipo de muestreo implica los siguientes pasos:
a) Definir la población, es decir, con quienes o con qué se va a trabajar
(sujetos o eventos).
b) Confeccionar un listado ya sea alfabético o numérico de cada uno y
todos los miembros de la población definida.
c) Seleccionar la muestra por medio de un procedimiento donde el simple
azar determina cuales son los miembros que van a constituir la muestra.
d) Cuando se tiene los nombres o números de cada uno de los miembros
de la población, éstos son introducidos en un ánfora, bolsa o sombrero,
se les mezcla lo suficiente y luego se procede a extraer uno a uno los
papeles hasta completar el número de sujetos fijados como tamaño de
la muestra.
Entre las ventajas del diseño aleatorio simple se tiene:
1. Requiere un conocimiento previo mínimo de la población.
2. Libre de errores de clasificación posibles.
3. Es fácil analizar los datos y computar errores.
Entre las desventajas del diseño aleatorio simple se consideran:
1. No usa el conocimiento de la población que pudiera tener el
investigador.
2. Errores más grandes para el mismo tamaño de la muestra que un
muestreo estratificado.
5.1.2 Aleatorio Estratificado
Este tipo de muestreo que tiene el mismo procedimiento que el aleatorio
simple, con la diferencia que la población es subdividida en grupos o
estratos más pequeños uniformes, conforme a los valores de alguna
variable. Como puede ser la ocupación, el grado de instrucción, el status
económico, etc. De cada estrato se selecciona al azar las muestras que
corresponda.
La distribución de la muestra en función de los diferentes estratos se
denomina afijación, y puede ser de diferentes tipos:

8. 8
 Afijación simple: A cada estrato le corresponde igual número de
elementos muéstrales.
 Afijación proporcional: La distribución se hace de acuerdo con el peso
(tamaño) de la población en cada estrato.
 Afijación óptima: Se tiene en cuenta la previsible dispersión de los
resultados, de modo que se considera la proporción y la desviación
típica. Tiene poca aplicación ya que no se suele conocer la desviación.
Ejemplo: Entrevistar y aplicar un cuestionario a los trabajadores de una
universidad x. Podrá dividirse a la población en docentes y empleados.
Para la elección de los sujetos al interior de cada muestra de cada uno de
los estratos debe realizarse la técnica del muestreo aleatorio simple. El
asunto está en determinar ¿cuántos individuos habrá que elegir si la
población de “trabajadores” es de 1000 individuos en total? El estrato de
docentes es igual a 450 y el de empleados a 550. Se busca un nivel de
confiabilidad del 90% y un 5% de precisión con la máxima variabilidad.
22
2
ZNe
NZ
n


Donde:
N = Tamaño de la población
n = Tamaño de la muestra
Z = Nivel de confianza
e = Precisión de error
521
225.5
5.2722
)65.1()05.0()1000(
)1000()65.1(
n 22
2



Para saber cuantos individuos elegiremos para la muestra por cada
estrato, dividiremos cada subgrupo entre la población total y luego, el
producto lo multiplicaremos por el tamaño de la muestra.
Primer estrato (docentes) = 450/1000 * 521 = 234
Segundo estrato (empleados) = 550/1000 * 521 = 287
POBLACIÓN
Tamaño de
población por
estratos
Tamaño de
muestra por
estratos
Docentes 450 234
Empleados 550 287
Total 1000 521
Entre las ventajas del diseño aleatorio estratificado se tiene:
1. Asegura la representatividad con respecto a la propiedad que forma la
base de las unidades de clasificación por lo tanto, produce menos
variabilidad que A o C.
2. Reduce la posibilidad de no incluir miembros de la población por el
proceso de clasificación.

9. 9
3. Pueden estimarse las características de cada estrato, razón por la cual
es posible hacer comparaciones.
Entre las desventajas del diseño aleatorio estratificado se consideran:
1. Requiere información precisa sobre la proporción de la población en
cada estrato de otra forma, incrementa el error
2. Si no se dispone de listas estratificadas, puede ser costoso prepararlas
existe la posibilidad de tener una clasificación errónea y, por tanto, un
incremento en la variabilidad.
5.1.3 Aleatorio Sistemático
En un muestreo aleatorio sistemático se elige un individuo al azar y a partir
de él, a intervalos constantes, se eligen los demás hasta completar la
muestra.
Para poder llevar a cabo un muestreo de este tipo, el investigador debe
seguir los siguientes pasos:
a) Conocer cuántos sujetos conforman el total de la población (N).
b) Decidir cuántos sujetos van a conformar la muestra (n).
c) Se divide N/n para poder determinar el llamado intervalo de muestreo
(k) que luego es aplicado a la lista de los sujetos de la población.
d) El primer miembro de la muestra se selecciona aleatoriamente del
primer intervalo k de miembros de la lista de la población, los siguientes
miembros de la muestra son elegidos cada k miembros de la lista.
K = N/n ; Donde: K = Es la constante de intervalo.
N = Número total de unidades que
componen la población.
n = Número total de unidades que
integran la muestra.
Ejemplo: Supongamos que se tienen 500 sujetos en la población y que se
desea una muestra de un tamaño de 50; entonces tenemos que el
intervalo será:
10
50
500
;
n
N
K 
En el cálculo del número sistemático se divide la población entre la
muestra y el producto indicará cada cuantos sujetos debemos elegir uno
para la muestra. La población es de 500 y la muestra nos indica que
debemos elegir sólo 50 de ellos. Para elegirlos dividiremos 500 entre 50,
así obtendremos que de cada diez sujetos debemos elegir uno para la
muestra.
El riesgo este tipo de muestreo está en los casos en que se dan
periodicidades en la población ya que al elegir a los miembros de la
muestra con una periodicidad constante (k) podemos introducir una

10. 10
homogeneidad que no se da en la población. Imaginemos que estamos
seleccionando una muestra sobre listas de 10 individuos en los que los 5
primeros son varones y los 5 últimos mujeres, si empleamos un muestreo
aleatorio sistemático con k=10 siempre seleccionaríamos o sólo hombres o
sólo mujeres, no podría haber una representación de los dos sexos.
Entre las ventajas del diseño aleatorio sistemático se tiene:
1. Si la población está ordenada con respecto a la propiedad pertinente, da
un efecto de estratificación y, por tanto, reduce la variabilidad
comparada con A.
2. Simplicidad para trazar muestra fácil de revisar.
Entre las desventajas del diseño aleatorio sistemático se consideran:
1. Si el intervalo de la muestra se relaciona con un ordenamiento periódico
de la población, se puede presentar un incremento de variabilidad
2. Es probable que los estimadores del error sean altos donde hay un
efecto de estratificación.
5.1.4 Aleatorio por Conglomerados
Los métodos presentados hasta ahora están pensados para seleccionar
directamente los elementos de la población, es decir, que las unidades
muéstrales son los elementos de la población.
En el muestreo por conglomerados la unidad muestral es un grupo de
elementos de la población que forman una unidad, a la que llamamos
conglomerado. Las unidades hospitalarias, los departamentos
universitarios, una caja de determinado producto, etc., son conglomerados
naturales. En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los
conglomerados son áreas geográficas suele hablarse de "muestreo por
áreas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente un
cierto número de conglomerados (el necesario para alcanzar el tamaño
muestral establecido) y en investigar después todos los elementos
pertenecientes a los conglomerados elegidos.
Entre las ventajas del diseño aleatorio por conglomerados se tiene:
1. Si los conglomerados se eligen siguiendo criterios geográficos, da lugar
a costos de campo más bajos.
2. Sólo necesita el listado de individuos en los conglomerados
seleccionados.
3. Es posible estimar las características de los conglomerados y las de la
población.
4. Se pueden usar para muestras subsecuentes, ya que se eligen
conglomerados, no individuos, y es permisible la sustitución de éstos.
Entre las desventajas del diseño aleatorio sistemático se consideran:

11. 11
1. Errores más grandes en tamaños comparables que con otras muestras
probabilísticas
2. Requiere habilidad para asignar cada miembro de la población a un
conglomerado la incapacidad de hacerlo puede generar la duplicación u
omisión de individuos
5.2 Procedimientos No Probabilístico
Mediante estos procedimientos se seleccionan las muestras según el criterio o
criterios del investigador conforme a las circunstancias lo sugieran o lo permitan.
No se conoce la probabilidad de cada uno de los elementos de una población de
poder ser seleccionados en una muestra.
En algunas circunstancias los métodos estadísticos y epidemiológicos permiten
resolver los problemas de representatividad aun en situaciones de muestreo no
probabilístico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la población.
Este procedimiento de muestreo no autoriza a generalizar a la población (puede
aplicarse a las investigaciones exploratorias, estudios de casos u otra que no se
pretende generalizar.
¿Cuándo utilizar el muestreo no probabilístico?
 Este tipo de muestreo puede ser utilizado cuando se quiere mostrar que
existe un rasgo determinado en la población.
 También se puede utilizar cuando el investigador tiene como objetivo hacer
un estudio cualitativo, piloto o exploratorio.
 Se puede utilizar cuando es imposible la aleatorización, como cuando la
población es casi ilimitada.
 Se puede utilizar cuando la investigación no tiene como objetivo generar
resultados que se utilicen para hacer generalizaciones respecto de toda la
población.
 También es útil cuando el investigador tiene un presupuesto, tiempo y mano
de obra limitados.
 Esta técnica también se puede utilizar en un estudio inicial que será llevado
a cabo nuevamente utilizando un muestreo probabilístico aleatorio.
5.2.1 Muestreo por cuotas o accidental
El muestreo por cuotas, también denominado en ocasiones accidental; se
asienta generalmente sobre la base de un buen conocimiento de los
estratos de la población y/o de los individuos más "representativos" o
"adecuados" para los fines de la investigación. Mantiene, por tanto,
semejanzas con el muestreo aleatorio estratificado, pero no tiene el
carácter de aleatoriedad de aquél. En este tipo de muestreo se fijan unas
"cuotas" que consisten en un número de individuos que reúnen unas
determinadas condiciones

12. 12
Consiste en la selección de los individuos para la muestra de manera
arbitraria.
Por ejemplo, en el caso de una investigación sobre los niños denominados
“pirañitas” en la ciudad de Lima. Obviamente se trata de una población, a
la que es muy difícil tener acceso. En consecuencia el investigador tendrá
que encuestar o entrevistar a cualquiera que se encuentre allí.
En otro ejemplo se seleccionan 20 individuos de 25 a 40 años, de sexo
femenino y residentes en Gijón. Una vez determinada la cuota se eligen los
primeros que se encuentren que cumplan esas características. Este
método se utiliza mucho en las encuestas de opinión.
5.2.2 Muestreo intencional o de conveniencia
Es aquel en el que se determina una cantidad (cuota) de individuos de una
población para que sean miembros de la muestra. No hay un
procedimiento especial para determinar la cuota.
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras "representativas" mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su utilización en sondeos
preelectorales de zonas que en anteriores votaciones han marcado
tendencias de voto. También puede ser que el investigador seleccione
directa e intencionadamente los individuos de la población. El caso más
frecuente de este procedimiento el utilizar como muestra los individuos a
los que se tiene fácil acceso (los profesores de universidad emplean con
mucha frecuencia a sus propios alumnos).
Se puede decir que el criterio para su determinación es arbitrario,
simplemente se puede encuestar a 200 personas, 100 hombres y 100
mujeres (50% hombres adultos y 50% hombres jóvenes; 50% mujeres
adultos y 50% mujeres jóvenes) que comportan ciertas características
específicas.
5.2.3 Muestreo bola de nieve
El método de muestreo de bola de nieve (o muestreo por referidos) es un
método de muestreo no probabilístico. El muestreo se realiza sobre
poblaciones en las que no se conoce a sus individuos o es muy difícil
acceder a ellos. Podrían ser los casos de sectas secretas, indigentes,
grupos minoritarios, etc.
Se llama muestreo de bola de nieve porque cada sujeto estudiado propone
a otros, produciendo un efecto acumulativo parecido al de la bola de nieve.
El muestreo de bola de nieve se utiliza cuando se va a estudiar a una
población a la que es muy difícil acceder, como por ejemplo cuando se
hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.

13. 13
El investigador conoce algún componente de la población y a través de
ellos va completando la muestra.
El investigador depende mucho de la información que pueda obtener de
los sujetos que estudia, y podría darse el caso de que se quede con muy
pocos individuos en la muestra.
5.2.4 Muestreo discrecional
El método de muestreo discrecional (o muestreo por juicio) es un método
de muestreo no probabilístico. Los sujetos se seleccionan a base del
conocimiento y juicio del investigador.
El investigador selecciona a los individuos a través de su criterio
profesional. Puede basarse en la experiencia de otros estudios anteriores o
en su conocimiento sobre la población y el comportamiento de ésta frente
a las características que se estudian.
Por ejemplo, supongamos que un investigador va a realizar un estudio sobre el
nivel de satisfacción del profesorado de cierta universidad. El estudio se suele
realizar cada dos años, por lo que el responsable del estudio, gracias a su
experiencia y sus antecedentes, sabe perfectamente cuál puede ser la mejor
muestra para el estudio.
En otro ejemplo a un coordinador le encomiendan un estudio del nivel de
satisfacción de los alumnos con un determinado profesor. El investigador, que
conoce a todos los alumnos de esa clase, decide utilizar el muestreo
discrecional seleccionando a los alumnos que cree que serán los más
representativos.
Este tipo de muestreo se utiliza cuando el responsable del estudio conoce
estudios anteriores similares o idénticos y sabe con precisión que la muestra
que utilizaron fue útil para el estudio. Asimismo, se puede utilizar cuando la
población es muy reducida y conocida por el investigador.