Una muestra estadística (o una muestra) es un subconjunto de elementos de

la población estadística.

El mejor resultado para un proceso estadístico sería estudiar a toda la población. Pero
esto generalmente resulta imposible, ya sea porque supone un coste económico alto o
porque requiere demasiado tiempo.
Frente a la dificultad de hacer un censo (estudio de toda la población), se examina
una muestra estadística que representará a la totalidad de los sujetos. Con el resultado
obtenido mediante la muestra, se intentará inferir las propiedades de todos los
elementos, mediante la estadística inferencial.
La muestra elegida debe ser representativa de la población. Las muestras tienen un
nivel de confianza de la bondad con la que representan a todos los sujetos,
generalmente del 95% o superior.
Por ejemplo, supongamos que se realiza un control de calidad en una fábrica que
produce en el transcurso de un día. Esta empresa produce un millón de diarios por lo
que sería imposible para los controladores examinarlos todos. Por ello, se elige
una muestra de cien elementos para realizar dicho control.
Pero surge la siguiente pregunta: ¿Cómo elegimos la muestra?
Existen diferentes tipos de muestreo.
En la mayoría de los casos, no es posible estudiar a toda la población, y se elige
una muestra para representar a todos los individuos. Esta muestra debe ser
representativa de todas las características de todos los elementos.
El muestreo es el método de selección de una muestra a partir de una población.

Las muestras pueden ser elegidas mediante diversas técnicas o procedimientos. Estas
técnicas se clasifican según él según como sean elegidos los individuos. Se dividen en
dos grandes grupos:
El muestreo probabilístico (o muestreo aleatorio) es la técnica de elección de
la muestra en la que los individuos son elegidos aleatoriamente y todos tienen
probabilidad positiva de formar parte de ella.

Las muestras seleccionadas por métodos de muestreo probabilístico son más

representativas que los métodos de muestreo no probabilístico, aunque no siempre es
posible seleccionar las muestra aleatoriamente.

Muestreo aleatorio simple

(o muestreo aleatorio): proceso de selección de individuos de manera que cada sujeto
tiene probabilidad positiva e independiente de ser seleccionado.

Cuando utilizarlo
 debe utilizarse cuando los individuos de la población son homogéneos respecto
a las características a estudiar (es decir, a priori no sabemos si los resultados
van a ser muy diferentes por causa de otras variables).

 Es poco recomendado cuando la población es muy grande y heterogénea (los

individuos presentan características dispares).
Ejemplo:
Sacar bolas de un bombo
 Los individuos de la población se numeran del 1
al N. Extraemos n bolas del bombo y la muestra serán los
individuos seleccionados.
 El número aleatorio generado indica el elemento
que se seleccionará.
 Repetimos este proceso hasta que tengamos
la muestra aleatoria de n individuos. Durante este
proceso, cuando algún elemento se repite, se desestima
y se vuelve a generar otro número aleatorio.
 La muestra obtenida es una tal que todos los
elementos tienen la misma probabilidad de ser
seleccionados.

Muestreo aleatorio estratificado

Los individuos se dividen en grupos o estratos. La muestra se elige escogiendo en cada

estrato un número representativo de individuos.
 Cuando utilizarlo
 Se utiliza el método de muestreo estratificado cuando los elementos se dividen
en estratos y estos estratos pueden ser diferenciales para la variable que se está
estudiando.

Por ejemplo, supongamos que hacen una encuesta para las elecciones en EEUU y se
sabe que el candidato demócrata tiene mayor influencia en las mujeres que el candidato
republicano. La muestra de la encuesta debería estratificarse en hombres y mujeres,
puesto que sabemos que la variable género influye en la votación.
 En las encuestas conocemos datos como la edad, sexo, nivel socioeconómico.
Conviene que la muestre tenga una composición proporcional a los individuos
de cada estrato.
 Se utiliza el muestreo estratificado cuando los grupos o estratos son muy
homogéneos internamente y diferentes entre ellos. Si los grupos son muy
heterogéneos y no existen muchas diferencias entre ellos, es recomendable
utilizar el

Muestreo aleatorio sistemático

Consiste en seleccionar al azar un elemento y a partir de él, incrementando un intervalo
fijo, seleccionar toda la muestra.

Cuando utilizarlo

 La ventaja del método de muestreo sistemático respecto al muestreo aleatorio

simple es su sencillez. El método de muestreo sistemático
 El método de muestreo sistemático es más potente que el muestreo simple cuando
el orden de los datos influye en que los sujetos próximos son semejantes.
 Muestreo aleatorio por conglomerados
La población está dividida en conglomerados naturales (provincias, ciudades,
etc.). Se seleccionan algunos conglomerados y se toman en representación de
toda la población.

Una vez seleccionados los conglomerados, el estudio se simplifica puesto que

hay menos individuos en el análisis. El investigador debe elegir si estudiar a todos los
sujetos de los conglomerados seleccionados o seleccionar una muestra mediante el
método de muestreo aleatorio simple o muestreo sistemático.

Ejemplo:
En la práctica, el conglomerado más utilizado es el geográfico. Si queremos hacer un
estudio en un país, podemos dividir el país en conglomerados como las comunidades,
provincias, ciudades, etc.

Cuando utilizarlo

 Se utiliza el muestreo por conglomerados cuando los grupos son muy heterogéneos y no
existen muchas diferencias entre conglomerados. Se utiliza el muestreo
estratificado cuando los grupos o estratos son muy homogéneos internamente y diferentes
entre ellos.
 El inconveniente de este método es que se puede suponer una heterogeneidad que no
existe.

Supongamos que se realiza una encuesta de opinión en diferentes comunidades por las reformas
en educación realizadas por el gobierno en el último mes. Se podría deducir que no existirá
diferencias significativas en la opinión de las diferentes regiones, pero resulta que en las
comunidades más ricas pueden tener una opinión muy diferente a las pobres.
El muestreo no probabilístico (o muestreo no aleatorio) es la técnica de muestreo donde
los elementos son elegidos a juicio del investigador. No se conoce la probabilidad con
la que se puede seleccionar a cada individuo.
El muestreo no probabilístico se utiliza cuando es imposible o muy difícil obtener
la muestra por métodos de muestreo probabilístico.
Las muestras seleccionadas por métodos de muestreo no aleatorios intentan
ser representativas bajo los criterios del investigador, pero en ningún caso garantizan la
representatividad.

Por ejemplo, imaginemos que se quiere realizar un estudio de los miembros de una
secta secreta. De inicio, no se conoce a los miembros de la secta, no se conoce a todos
los sujetos y estos tendrán probabilidad cero de estar en la muestra.

MUESTREO POR CUOTAS

Se basa en seleccionar la muestra después de dividir la población en grupos o estratos.

Los sujetos dentro de cada grupo se eligen por métodos no probabilísticos.
 Cuando utilizarlo

1. El muestreo por cuotas se utiliza cuando se tienen datos adicionales de los

individuos (edad, sexo, etc.) y se pueden utilizar ya que el investigador considera
que estos datos pueden influenciar en las características que se estudian.
2. El análisis por estratos permite un posterior análisis de las diferencias entre grupos.

Muestreo por conveniencia

Consiste en seleccionar a los individuos que convienen al investigador para la muestra.

Esta conveniencia se produce porque al investigador le resulta más fácil examinar a
estos sujetos, ya sea por proximidad geográfica, por ser sus amigos, etc.
 Cuando utilizarlo

1. El método del muestreo por conveniencia permite seleccionar una muestra con
muchísima facilidad. Suele utilizarse en estudios iniciales para comprobar si se
cumplen las hipótesis que se plantea el investigador. Una vez realizado el estudio,
si se comprueba que los resultados son favorables a sus predicciones, ya se puede
plantear la posibilidad de hacer el estudio con muestras probabilísticas para
generalizar el resultado.
2. Si se quisieran obtener resultados para generalizar a toda la población, este método
no es aconsejable.

Muestreo de bola de nieve

(O muestreo por referidos): se realiza sobre poblaciones en las que no se

conoce a sus individuos o es muy difícil acceder a ellos. Se llama muestreo de
bola de nieve porque cada sujeto estudiado propone a otros, produciendo un
efecto acumulativo parecido a una bola de nieve.

Cuando utilizarlo

 El muestreo de bola de nieve se utiliza cuando se va a estudiar a una población a

la que es muy difícil acceder. 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.

Muestreo casual o accidental:

Los individuos son elegidos de manera casual, sin ningún juicio previo. Las
personas que realizan el estudio eligen un lugar o un medio, y desde ahí realizan
el estudio a los individuos de la población que accidentalmente se encuentren a
su disposición.

Cuando utilizarlo

 Utilizaremos el muestreo casual o accidental únicamente para hacernos una idea

de cuál es la opinión de la gente respecto a algún producto o tema de actualidad.
 Los resultados obtenidos mediante muestreo casual o accidental no son
representativos de la opinión de toda la población, sino que el resultado es
orientativo.
 Muestreo discrecional

(O muestreo por juicio): los sujetos se seleccionan a base del conocimiento y juicio del
investigador.

Cuando utilizarlo

 Este método de muestreo es aconsejable 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.
 Si la población es muy reducida y conocida por el investigador.

El estudio de muestras es preferible a los censos (o estudio de toda la población), por

las siguientes razones:

1. La población es muy grande (en ocasiones, infinita, como ocurre en determinados

experimentos aleatorios) y, por tanto, imposible de analizar en su totalidad.
2. Las características, de la población varían si el estudio se prolonga demasiado
tiempo.

3. Reducción de costes: al estudiar una pequeña parte de la población, los gastos de

recogida y tratamiento de los datos serán menores que si los obtenemos del total de la
población.

4. Rapidez: al reducir el tiempo de recogida y tratamiento de los datos, se consigue

mayor rapidez.

5. Viabilidad: la elección de una muestra permite la realización de estudios que serían

imposible hacerlo sobre el total de la población.

6. La población es suficientemente homogénea respecto a la característica medida, con

lo cual resultaría inútil malgastar recursos en un análisis exhaustivo (por ejemplo,
muestras sanguíneas).

7. El proceso de estudio es destructivo o es necesario consumir un artículo para extraer

la muestra (ejemplos: vida media de una bombilla, carga soportada por una cuerda,
precisión de un proyectil, etc.).

Las muestras se obtienen con la intención de inferir propiedades de la totalidad de la

población, para lo cual deben ser representativas de la misma (una muestra
representativa se denomina técnicamente muestra aleatoria). Para cumplir esta
característica la inclusión de sujetos en la muestra debe seguir una técnica de muestreo.
En tales casos, puede obtenerse una información similar a la de un estudio exhaustivo
con mayor rapidez y menor coste (véanse las ventajas de la elección de una muestra,
más abajo).
Por otra parte, en ocasiones, el muestreo puede ser más exacto que el estudio de toda
la población porque el manejo de un menor número de datos provoca también menos
errores en su manipulación. En cualquier caso, el conjunto de individuos de la muestra
son los sujetos realmente estudiados.
El número de sujetos que componen la muestra suele ser bastante inferior a la población
total, aunque suficiente grande como para que la estimación de los parámetros
determinados tenga un nivel de confianza adecuado. Para que el tamaño de la
muestra sea idóneo es preciso recurrir a su cálculo.