Muestreo probabilístico y no probabilístico: diferencias, tipos y cómo elegir para tu tesis
Validado por: Equipo Tesis y Másters.
Índice del artículo
Pregunta: ¿Cuál es la diferencia entre el muestreo probabilístico y el no probabilístico?
Respuesta: En el muestreo probabilístico cada unidad de la población tiene una probabilidad conocida de ser seleccionada mediante un procedimiento aleatorio, lo que permite calcular el error y generalizar resultados. En el no probabilístico la selección depende de criterios del investigador o de la accesibilidad de los casos: es más rápido y barato, pero sus conclusiones no pueden extenderse estadísticamente a toda la población.
Pocas decisiones metodológicas condicionan tanto el alcance de una tesis como la forma de seleccionar la muestra. De ella depende si vas a poder decir «los estudiantes de la universidad piensan tal cosa» o sólo «los estudiantes que encuesté piensan tal cosa». Esa es, en el fondo, la diferencia entre el muestreo probabilístico y el no probabilístico.
En este artículo vas a encontrar una definición precisa de cada uno, sus tipos principales con ejemplos, una tabla comparativa y criterios concretos para elegir según tu pregunta de investigación.
Qué es el muestreo y por qué importa cómo se hace
Muestrear es seleccionar una parte de la población para estudiarla en lugar de relevar a todos sus integrantes. Se hace por razones prácticas: tiempo, costo, acceso. Pero el objetivo no es la muestra en sí, sino lo que la muestra permite decir sobre la población.
Otzen y Manterola (2017) lo plantean con claridad: la representatividad de una muestra es lo que permite extrapolar y generalizar los resultados. Y para que una muestra sea representativa en sentido estadístico se necesitan dos condiciones: que haya sido seleccionada al azar y que su tamaño sea suficiente. Si necesitás repasar los conceptos base, antes de seguir podés leer qué es una muestra en investigación.
Muestreo probabilístico: definición y tipos
El muestreo probabilístico es aquel en el que cada unidad de la población tiene una probabilidad conocida (y distinta de cero) de ser seleccionada, y la selección se hace mediante un mecanismo aleatorio. Los apuntes del curso STAT 506 de Penn State subrayan su rasgo central: la aleatoriedad está incorporada al diseño, lo que permite evaluar probabilísticamente las propiedades de los estimadores y elimina la subjetividad humana en la elección de los casos.
Su requisito práctico es un marco muestral: un listado de la población (o de grupos de la población) del que se pueda sortear.
Aleatorio simple
Todas las unidades, y todas las muestras posibles del mismo tamaño, tienen la misma probabilidad de selección. Se numera el listado y se sortea. Es el diseño más sencillo de explicar y de analizar; lo desarrollamos en detalle en la guía de muestreo aleatorio simple con ejemplo.
Estratificado
La población se divide en estratos (subgrupos que difieren en características relevantes, como edad, sexo o nivel socioeconómico) y se sortea dentro de cada uno. La asignación puede ser proporcional al tamaño de cada estrato u óptima, según Otzen y Manterola. Sirve cuando necesitás que ciertos grupos estén bien representados o cuando querés compararlos.
Sistemático
Se calcula un intervalo k = N/n, se sortea un punto de arranque entre 1 y k y se selecciona cada k-ésimo caso del listado. Con 1.000 estudiantes y una muestra de 100, k = 10: si el arranque sorteado es 3, entran el 3, el 13, el 23 y así sucesivamente. Es práctico, pero puede sesgarse si el listado tiene un patrón que coincide con el intervalo.
Por conglomerados
Se sortean grupos naturales (barrios, escuelas, consultorios, cursos) y luego se estudia a todos o a parte de sus integrantes. Es más económico cuando la población está dispersa. Otzen y Manterola destacan una distinción clave de este diseño: no es lo mismo el sujeto que se mide que la unidad muestral a través de la cual se llega a él.
Las grandes encuestas oficiales combinan varias de estas técnicas. La Encuesta Permanente de Hogares del INDEC, por ejemplo, selecciona los hogares de forma aleatoria en dos etapas: primero, dentro de cada aglomerado, una cantidad de radios censales o subdivisiones (áreas); después, se listan todas las viviendas particulares de esas áreas y se sortean viviendas a partir de ese listado (INDEC, 2003).
Muestreo no probabilístico: definición y tipos
El muestreo no probabilístico selecciona los casos según criterios del investigador, la accesibilidad o la disposición de los participantes, sin un sorteo que asigne probabilidades conocidas. Otzen y Manterola advierten que, al no ajustarse a un fundamento probabilístico, no da certeza de que cada sujeto represente a la población, y por eso sus resultados pueden ser poco reproducibles.
Eso no lo convierte en un «muestreo de segunda». En investigación cualitativa, en estudios exploratorios o en poblaciones sin listado posible, suele ser la opción adecuada. Lo que cambia es el tipo de conclusión que habilita.
Por conveniencia
Se incluye a quienes están disponibles y aceptan participar: los estudiantes de tu comisión, los pacientes internados en un hospital determinado. Es el más usado en tesis de grado y el que más cuidado exige al redactar conclusiones.
Intencional o por juicio
El investigador selecciona casos que considera característicos o especialmente informativos para su pregunta. Es habitual en estudios de caso y en entrevistas a informantes clave.
Consecutivo
Se incluye a todos los casos accesibles que cumplen los criterios hasta completar el tamaño previsto, por ejemplo, los primeros 50 pacientes que ingresan a una guardia. Se parece al de conveniencia, pero intenta no dejar afuera a ningún caso accesible.
Por cuotas
Se fijan cuotas por características (por ejemplo, 50 % mujeres y 50 % varones, o proporciones por edad) y el encuestador completa cada cuota con quien encuentra. Penn State lo presenta como el contrapunto histórico del muestreo probabilístico: la elección final de cada persona queda en manos del juicio subjetivo del entrevistador, aunque las cuotas imiten la composición de la población.
Bola de nieve
Los primeros participantes recomiendan a otros con el mismo perfil. Es útil para poblaciones ocultas o difíciles de contactar; lo explicamos en el artículo sobre muestreo bola de nieve.
Tabla comparativa
| Criterio | Probabilístico | No probabilístico |
|---|---|---|
| Selección | Aleatoria, con probabilidades conocidas | Por criterio, accesibilidad o voluntad |
| Requisito | Marco muestral (listado de unidades o de grupos) | Acceso a casos que cumplan los criterios |
| Generalización | Estadística, con error calculable | Analítica o teórica, no estadística |
| Costo y tiempo | Mayores | Menores |
| Uso típico | Encuestas descriptivas, estimación de proporciones, estudios poblacionales | Estudios cualitativos, exploratorios, pruebas piloto, poblaciones sin listado |
Cómo elegir el tipo de muestreo para tu tesis
La elección sale de la pregunta de investigación, no al revés. Estas preguntas ayudan a decidir:
- ¿Necesitás estimar cuánto o cuántos en una población? (por ejemplo, el porcentaje de docentes que usa aulas virtuales). Entonces necesitás un diseño probabilístico.
- ¿Buscás comprender experiencias, sentidos o procesos? Un muestreo intencional suele ser más coherente, algo habitual cuando se trabaja con un enfoque cualitativo en lugar de cuantitativo.
- ¿Existe un listado de la población y podés acceder a él? Si no existe, el diseño probabilístico estricto no es viable, salvo que puedas listar grupos (conglomerados).
- ¿Hay subgrupos que querés comparar? El estratificado asegura casos suficientes en cada uno.
- ¿Qué recursos tenés? Tiempo, presupuesto y posibilidad de trasladarte también son criterios legítimos, siempre que los declares.
Una regla editorial que conviene seguir: si tu muestra es no probabilística, no uses expresiones como «la población estudiada prefiere» ni reportes márgenes de error como si fuera aleatoria. Hablá de «los participantes» y explicá en las limitaciones hasta dónde llegan tus conclusiones.
Errores frecuentes al definir la muestra
- Llamar «aleatoria» a una muestra por conveniencia. Difundir un formulario en grupos de WhatsApp no es un sorteo, aunque las respuestas lleguen «al azar».
- Confundir tamaño con representatividad. Mil respuestas autoseleccionadas no representan mejor a la población que trescientas sorteadas.
- Reemplazar a quien no responde por cualquier otro. En un diseño probabilístico, los reemplazos también se sortean.
- No describir el procedimiento. El marco metodológico tiene que explicar cómo se seleccionaron los casos, con qué criterios de inclusión y exclusión y cuántos se perdieron.
Definida la muestra, el paso siguiente es elegir el instrumento; en la guía de técnicas de recolección de datos vas a encontrar cómo encajar ambas decisiones. Y si tu tesis trabaja con encuestas y necesitás revisar el diseño muestral o el análisis de los resultados, en Tesis y Másters ofrecemos asesorías metodológicas para acompañarte en esa etapa.
Preguntas frecuentes
¿Una tesis con muestreo no probabilístico es menos válida?
No necesariamente. Su validez depende de que el diseño sea coherente con la pregunta y de que las conclusiones respeten sus límites. Un estudio cualitativo con muestreo intencional puede ser muy riguroso; lo que no puede hacer es generalizar estadísticamente sus resultados a toda la población.
¿Una encuesta online difundida en redes es un muestreo probabilístico?
No. Si las personas deciden por sí mismas responder a un enlace compartido, la muestra es autoseleccionada y no probabilística. Para que una encuesta online sea probabilística, el enlace tiene que enviarse sólo a personas sorteadas previamente de un listado, por ejemplo, de un padrón de estudiantes.
¿Qué tipo de muestreo usa el INDEC en la Encuesta Permanente de Hogares?
Un muestreo probabilístico en dos etapas. Primero se seleccionan áreas (radios censales o subdivisiones) dentro de cada aglomerado urbano, y luego se sortean viviendas particulares a partir de un listado de las viviendas de esas áreas. Los hogares que habitan esas viviendas son los que se encuestan.
¿Puedo combinar muestreo probabilístico y no probabilístico en la misma investigación?
Sí, es frecuente en diseños mixtos. Por ejemplo, una encuesta con muestra aleatoria para estimar proporciones y, después, entrevistas en profundidad a participantes elegidos intencionalmente para explicar esos resultados. Cada componente debe describirse por separado y con sus propias limitaciones.
Referencias bibliográficas
- Otzen, T. y Manterola, C. (2017). Técnicas de muestreo sobre una población a estudio. International Journal of Morphology, 35(1), 227-232.
- Instituto Nacional de Estadística y Censos (INDEC) (2003). La nueva Encuesta Permanente de Hogares de Argentina.
- Penn State University, Department of Statistics (s. f.). STAT 506: Sampling Theory and Methods. Lesson 1: Estimating Population Mean and Total under SRS.
Artículos relacionados
¿Necesitas ayuda?
Solicitá tu presupuesto hoy
