1) El documento habla sobre la selección de muestras en investigación. 2) Explica la importancia de definir claramente la unidad de análisis y las características de la población para delimitar el alcance del estudio. 3) Describe los diferentes tipos de muestras, como las probabilísticas y no probabilísticas, y métodos de muestreo como el aleatorio simple.

1. Selección de la muestra
¿Sobre qué o quiénes se recolectarán datos?
Aquí el interés se centra en “qué o quiénes”, es decir, en los participantes, objetos, sucesos
o comunidades de estudio (las unidades de análisis), lo cual depende del planteamiento de
la investigación y de los alcances del estudio. Así, en la situación de que el objetivo sea
describir el uso que hacen los niños de la televisión, lo más factible sería interrogar a un
grupo de niños. También serviría entrevistar a los padres de los niños. Escoger entre los
niños o sus padres, o ambos, dependería no sólo del objetivo de la investigación, sino del
diseño de la misma. En el caso de la investigación donde el propósito básico del estudio es
describir la relación niño-televisión, se podría determinar que los participantes
seleccionados para el estudio fueran niños que respondieran sobre sus conductas y
percepciones relacionadas con este medio de comunicación.
Para seleccionar una muestra, lo primero que hay que hacer es definir la unidad de análisis
(individuos, organizaciones, periódicos, comunidades, situaciones, eventos, etc.). Una vez
definida la unidad de análisis se delimita la población.
La muestra es un subgrupo de la población de interés sobre el cual se recolectarán datos, y
que tiene que definirse o delimitarse de antemano con precisión, éste deberá ser
representativo de dicha población. El investigador pretende que los resultados encontrados
en la muestra logren generalizarse o extrapolarse a la población (en el sentido de la validez
externa que se comentó al hablar de experimentos). El interés es que la muestra sea
estadísticamente representativa.
¿Cómo se delimita una población?
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 se pretende generalizar los resultados. Así,
una población es el conjunto de todos los casos que concuerdan con una serie de
especificaciones.
Una deficiencia que se presenta en algunos trabajos de investigación es que no describen
lo suficiente las características de la población o consideran que la muestra la representa
de manera automática. Es común que algunos estudios que sólo se basan en muestras de
estudiantes universitarios (porque es fácil aplicar en ellos el instrumento de medición) y se
hagan generalizaciones temerarias sobre jóvenes que tal vez posean otras características
sociales. Es preferible entonces establecer con claridad las características de la población,
con la finalidad de delimitar cuáles serán los parámetros muéstrales.
Lo anterior puede ilustrarse con el ejemplo, que hemos utilizado en más de una ocasión, de
la investigación sobre el uso de la televisión por los niños. Está claro que en dicha

2. investigación la unidad de análisis son los niños. Pero, ¿de qué población se trata?, ¿de
todos los niños del mundo?, ¿de todos los niños de la República mexicana? Sería muy
ambicioso y prácticamente imposible referirnos a poblaciones tan grandes. Así, en nuestro
ejemplo, la población se delimitaría con base en la figura 1.
Figura 1. Ejemplo de delimitación de la muestra.
Esta definición elimina, por tanto, a niños mexicanos que no vivan en el área metropolitana
de la Ciudad de México, a los que no van a la escuela, a los que asisten a clases por la tarde
(turno vespertino) y a los infantes más pequeños. Aunque, por otra parte, permite hacer
una investigación costeable, con cuestionarios que serán respondidos por niños que ya
saben escribir y con un control sobre la inclusión de niños de todas las zonas de la metrópoli,
al utilizar la ubicación de las escuelas como puntos de referencia y de selección. En éste y
otros casos, la delimitación de las características de la población no sólo depende de los
objetivos de la investigación, sino de otras razones prácticas. Un estudio no será mejor por
tener una población más grande; la calidad de un trabajo investigativo gravita en delimitar
claramente la población con base en el planteamiento del problema.
Al seleccionar la muestra debemos evitar tres errores que pueden presentarse:
1. Desestimar o no elegir a casos que deberían ser parte de la muestra (participantes que
deberían estar y no fueron seleccionados).
2. Incluir a casos que no deberían estar porque no forman parte de la población.
3. Seleccionar casos que son verdaderamente inelegibles.
Por ejemplo, en una encuesta sobre preferencias electorales entrevistar a individuos que
son menores de edad y no pueden votar legalmente (no deben ser agregados a la muestra,
pero sus respuestas se incluyeron, esto, evidentemente es un error).
El primer paso para evitar tal error es una adecuada delimitación del universo o población.
Los criterios que cada investigador cumpla dependen de sus objetivos de estudio, lo
importante es establecerlos de manera muy específica. Toda investigación debe ser

3. transparente, así como estar sujeta a crítica y réplica, este ejercicio no es posible si al
examinar los resultados el lector no puede referirlos a la población utilizada en un estudio.
¿Cómo seleccionar la muestra?
Hasta este momento hemos visto que se debe definir, cuál será la unidad de análisis y cuáles
son las características de la población. En este apartado hablaremos de la muestra, o mejor
dicho de los tipos de muestra, con la finalidad de poder elegir la más conveniente para un
estudio.
La muestra es, en esencia, un subgrupo de la población. Digamos que es un subconjunto de
elementos que pertenecen a ese conjunto definido en sus características al que llamamos
población. Esto se representa en la figura 2. Con frecuencia leemos y escuchamos hablar de
muestra representativa, muestra al azar, muestra aleatoria, como si con los simples
términos se pudiera dar más seriedad a los resultados. En realidad, pocas veces es posible
medir a toda la población, por lo que obtenemos o seleccionamos una muestra y, desde
luego, se pretende que este subconjunto sea un reflejo fiel del conjunto de la población.
Todas las muestras (bajo el enfoque cuantitativo) deben ser representativas; por lo tanto,
el uso de este término resulta un poco inútil. Los términos al azar y aleatorio denotan un
tipo de procedimiento mecánico relacionado con la probabilidad y con la selección de
elementos; pero no logran esclarecer tampoco el tipo de muestra y el procedimiento de
muestreo.
Figura 2. Representación de una muestra como subgrupo.
Características de una buena muestra
Una muestra debe ser adecuada en cantidad y en calidad. En relación con el primer aspecto,
existen procedimientos estadísticos para saber cuál es el número mínimo de elementos que
debemos incluir en el estudio para obtener resultados válidos. La calidad involucra el
concepto de representatividad de la muestra. Se dice que una muestra es representativa de

4. la población cuando es un reflejo de ella, es decir cuando reúne las características
principales de la población en relación con la variable en estudio.
Por ejemplo, si nuestro objetivo es determinar la duración promedio de la hospitalización
de los pacientes del Hospital Carlos Cisternas de Calama, para lograr una muestra
representativa deberíamos incluir pacientes de los departamentos de Medicina, Cirugía,
Obstetricia y Pediatría, dado que la estadía hospitalaria fluctúa entre ellos. Si estudiamos
una gran proporción de pacientes de obstetricia, estaríamos subestimando la duración de
la estadía hospitalaria, en dicho centro asistencial, de las demás áreas. La representatividad
de la muestra es entonces un aspecto de gran importancia en la investigación y para lograrla
es necesario seleccionar el tipo y clase de muestreo que garantice esta condición y trabajar
con un tamaño de muestra adecuado.
Tipos de muestra
Se conoce como muestreo el proceso de obtención de la muestra. Puede ser probabilístico
y no probabilístico. Hablamos de un muestreo probabilístico cuando los integrantes de la
muestra se escogen al azar y por lo tanto, puede calcularse con antelación la probabilidad
de obtener cada una de las muestras que pueden formarse de esa población o la
probabilidad que tiene cada elemento de la población de ser incluido en la muestra.
La selección de los elementos puede hacerse por el método de la lotería, la tabla de
números aleatorios o con paquetes automatizados que forman números al azar. El método
de la lotería consiste en asignarle un número a cada integrante de la población y luego
seleccionar tantos números como sea necesario para completar la muestra. Esto puede
hacerse con un biombo (como en las loterías), o con papeles numerados introducidos en
una bolsa de la cual se extraen.
Es recomendable trabajar con muestras probabilísticas puesto que permiten que los
resultados obtenidos en ellas puedan ser extrapolados a la población con un margen de
confianza determinado.
En relación con las muestras no probabilísticas, llamadas también muestras por
conveniencia, los elementos son escogidos con base en la opinión del investigador y se
desconoce la probabilidad que tiene cada elemento de ser elegido para la muestra. En este
tipo de muestreo existen el intencional (o deliberado) y los accidentales (o por comodidad).
En el primero el investigador escoge aquellos elementos que considera típicos de la
población. En los segundos, se toman los casos que estén disponibles en el momento. Otro
tipo es el muestreo por cuotas en el cual el investigador establece una cuota o cantidad de
elementos según algunas características de la población, ejemplo, sexo, estado civil y edad,
luego escoge los sujetos que encuentra hasta cubrir la cuota establecida. Este último se usa
frecuentemente en las encuestas de opinión pública.

5. Clases de muestreo
Existen varias clases de muestreo y la decisión sobre cuál utilizar depende de las
características de la población y de la posibilidad de manejar los aspectos técnicos del
diseño de la muestra. A continuación, vamos a analizar el diseño más representativo y que
se encuentra acorde con la necesidad de la ejecución de su proyecto de investigación:
Muestreo aleatorio simple (MAS):
a. Descripción: Consiste en seleccionar “n” elementos de los “N” que conforman la
población de forma que todos ellos tengan igual posibilidad de ser escogidos para
integrar la muestra.(Convencionalmente se emplea la letra “n” minúscula para indicar
el tamaño de la muestra y “N” mayúscula para designar el de la población). El diseño
necesita:
• Disponer de una lista numerada de los “N” integrantes de la población.
• Seleccionar en forma aleatoria cada uno de los integrantes de la muestra.
b. Usos: Esta clase de muestreo sirve cuando la población es bastante homogénea en lo
que respecta a la variable en estudio y es posible obtener el listado de los elementos de
la población. Ejemplo: si deseamos conocer la opinión de un grupo de alumnos de una
carrera del área salud acerca de la dinámica empleada en las clases, es bastante factible
que esta opinión sea parecida entre la mayoría de los alumnos, por lo que se puede
considerar una población homogénea. Por otra parte, el listado de los alumnos existe,
por lo que esta clase de muestreo es aplicable.
c. Ventajas: La sencillez del diseño y de los cálculos estadísticos.
d. Limitaciones: No se puede practicar cuando es imposible obtener la lista con todos los
integrantes de la población.
Tamaño de la muestra
El cálculo del tamaño de la muestra exige una variedad tal de información que excede las
posibilidades de este curso, pues para cada clase de muestra y dentro de ellas, para cada
tipo de medición, existe un procedimiento particular. Sin embargo, es necesario que la
persona que realiza investigaciones conozca los factores de los cuales depende el tamaño
de la muestra para que pueda comunicarse con el especialista capacitado para hacerlo.
Existen en la actualidad una serie de softwares como EPI INFO o STATS, que son idóneos ara
realizar los cálculos de tamaño. Los factores que intervienen en la muestra son:

6. a) El error máximo admisible (“d” o “e”): Determina la precisión de los resultados. Es la
máxima diferencia que podemos tolerar entre el valor de la variable obtenido en la
muestra y el verdadero valor de ésta en el universo. Para establecer el valor de “e”
debemos preguntarnos cuán precisos deseamos que sean los resultados de la
investigación, es decir, qué tan exactamente deseamos conocer el valor de la variable.
Por ejemplo, para una investigación que tiene como objetivo determinar el porcentaje
de trabajadores agrícolas del Valle de Azapa que desconoce las normas de seguridad
para el manejo de plaguicidas y deseamos un error no mayor de 5%, entonces, si en la
muestra se obtiene que el porcentaje de trabajadores agrícolas que desconoce las
normas de seguridad resulta ser de 19%, estaríamos aceptando que realmente el
verdadero valor esté entre 19 ± 5, es decir, entre 14% y 24%.
b) Coeficiente de confianza de la estimación: Para hacer la afirmación anterior sobre los
límites dentro de los cuales se encuentra el verdadero valor poblacional, debe
conocerse la probabilidad de que estos resultados sean ciertos y esto lo da el coeficiente
o nivel de confianza, el cual es la medida probabilística de que el intervalo fijado con
“e”, contenga el valor poblacional. En el ejemplo de los trabajadores agrícolas el
investigador decidió trabajar con un nivel de confianza de 95%, con lo cual podríamos
afirmar con un 95% de certeza que el porcentaje de trabajadores agrícolas del Valle de
Azapa está entre 14% y 24%. Claro está, queda 5% de posibilidades de equivocarnos al
establecer esa conclusión. Si trabajamos con 99% de confianza, nos quedaría una
posibilidad de equivocarnos de 1%. Por supuesto que nos gustaría tener un gran nivel
de confianza (de hecho, en el área de la salud se acostumbra trabajar con 95 o 99% de
confianza), pero resulta que el tamaño de la muestra se relaciona directamente con este
nivel, en el sentido que mientras más confianza queremos tener en los resultados, el
tamaño de la muestra será mayor.
Los valores de “e” y del nivel de confianza los establece el investigador dependiendo de:
• Las características del estudio: ¿qué resultados espera obtener?, ¿para qué se utilizarán
los resultados?
• Del número de sujetos que realmente puede estudiar con los recursos disponibles.
c) La homogeneidad de la población en lo que respecta a la variable en estudio: Si la
variable se encuentra presente en un elevado porcentaje de la población, decimos que
ésta es homogénea y bastaría una muestra pequeña para realizar la investigación. Las
fórmulas para calcular el tamaño de la muestra contienen una estimación del valor de
la variable en la población, el cual tenemos que suponer a partir del conocimiento que
tengamos de la población, de estudios realizados en poblaciones parecidas a la nuestra,
o de estudios pilotos.