Muestreo probalistico Para que un muestreo sea aleatorio es requisito que todos y cada uno de los elementos de la poblacin

tengan la misma probabilidad de ser seleccionados. Adems, esa probabilidad es conocida. Kerlinger lo define as: Es el mtodo que consiste en extraer una parte (o muestra) de una poblacin o universo, de tal forma que todas las muestras posibles de tamao fijo tengan la misma posibilidad de ser seleccionadas. Este autor considera que es mejor tomar diferentes poblaciones muestrales, dada la dificultad de asegurar que una muestra extrada al azar es representativa o tpica de la poblacin de donde se extrajo. Muestreo aleatorio simple Este mtodo es uno de los ms sencillos y tal vez el ms utilizado; se caracteriza porque cada unidad tiene la probabilidad equitativa de ser incluida en la muestra. En este tipo de muestreo hay varias modalidades. En una de ellas el procedimiento es un tipo de sorteo o rifa (por ejemplo, colocando en un recipiente fichas o tarjetas que contienen nombres o nmeros que corresponden a cada unidad del universo). Se reconoce como una desventaja de este mtodo el hecho de que no puede ser utilizado cuando el universo es grande, siendo aplicable solamente cuando la poblacin es pequea. Muestreo sistemtico Este tipo de muestro es similar al aleatorio simple, en donde cada unidad del universo tiene igual probabilidad de ser seleccionada, variando el proceso de seleccin de la muestra. Muestreo estratificado Este tipo de muestreo se caracteriza por la subdivisin de la poblacin en subgrupos o estratos, debido a que las variables principales que deben someterse a estudio presentan cierta variabilidad o distribucin conocida que es importante tomar en cuenta para extraer la muestra. Por ejemplo: si se

desea realizar un estudio sobre presin arterial y se considera que el sexo es un factor importante, se extraer una muestra en el grupo del sexo masculino y otra en el grupo del sexo femenino. Debido justamente a que toma en cuenta la distribucin de la variable en el universo, este tipo de muestreo logra mayor representatividad que otros. Muestreo por conglomerados Este tipo de muestreo se usa en particular cuando no se dispone de una lista detallada y enumerada de cada una de las unidades que conforman el universo y resulta muy compleja elaborarla. Se denomina as debido a que en la seleccin de la muestra en lugar de cogerse cada unidad se procede a tomar los subgrupos o conjunto de unidades, a los que se llama conglomerados. Aunque quiz por ello se tienda a creer que es lo mismo que el estratificado, ambos se diferencian en que en los primeros subconjuntos se dan en la vida real o ya estn agrupados de esa manera (escuelas, fbricas, bloques de casas y otros). En el de estratos el investigador decide las agrupaciones que utilizar segn la posible variabilidad de los fenmenos a estudiar. Otra diferencia es que en el de estratos el investigador conoce la distribucin de la variable, no as en el de conglomerados. El proceso se inicia definiendo los conglomerados, y contina con la seleccin de los subconjuntos a estudiar, o sea, que se realizan muestreos de conglomerados. De estos seleccionados se procede a hacer el listado de las unidades que componen cada conglomerado, continuando posteriormente con la seleccin de las unidades que integran la muestra, siguiendo algunos de los mtodos aleatorios indicados. Las inferencias que se hacen con base en una muestra por conglomerados no son tan confiables como las que se obtienen de un estudio hecho por muestreo aleatorio. Muestreo no probabilstico Este tipo de muestreo, tambin conocido como muestreo por conveniencia, no es aleatorio, razn por la que se desconoce la probabilidad de seleccin cada unidad o elemento del universo. Esto hace que este mtodo de extraccin

de muestras no tenga la credibilidad de que goza el muestreo probabilstico. Se caracteriza porque el investigador selecciona la muestra siguiendo algunos criterios identificados para los fines del estudio. Entre estos tipos de muestreo se citan el intencional o deliberado y los accidentales o por comodidad. En los primeros el investigador decide, segn los objetivos, los elementos que integraran la muestra, considerando aquellas unidades supuestamente tpicas de la poblacin que se desea conocer. En este caso el investigador conoce la poblacin y las caractersticas que pueden ser utilizadas para seleccionar la muestra. En los accidentales, se toman los casos o unidades que estn disponibles en un momento dado. En trminos generales no se recomienda utilizar el muestreo no probabilstico en las investigaciones cuantitativas, debido a que por sus caractersticas no permite calcular el error de muestreo Consideraciones especiales para la investigacin cualitativa. Las diferencias entre la investigacin cuantitativa y cualitativa quedan muy bien evidenciadas en la lgica que fundamenta el muestreo. En la investigacin cuantitativa el muestreo se hace con el fin de escoger una parte de la poblacin en forma probabilstica, que sea representativa de la misma y que permita hacer generalizaciones de la muestra al universo. En la investigacin cualitativa, la lgica de la muestra se basa en estudiar a profundidad algo a fin de que sea vlido. Usualmente esto se hace en pocos casos seleccionados en forma intencionada. Quinn Patton, menciona una serie de estrategias tiles al tratar de seleccionar muestras en estudios cualitativos. A continuacin se resumen algunas de ellas: Muestreo de casos extremos o inusuales: el escoger casos con cualidades especiales o diferentes a las del grupo en general, en algunas circunstancias puede ser de gran utilidad para conocer a fondo ciertos temas por ejemplo: estudiar un grupo de mujeres exitosas en la vida, un grupo de alumnos que se retiraron de x carrera, un grupo de adulto mayores satisfechos de la vida, etc.

Muestreo de casos que manifiestan con intensidad lo que se estudia: se parece al anterior, pero los casos en vez de reflejar situaciones extremas o especiales, manifiestan con gran intensidad el fenmeno en estudio, sin llegar a ser casos poco usuales.

Muestreo de mxima variabilidad: en la muestra se incluye las diferentes posibilidades de las variables ms importantes. Muestras homogneas: en estos casos se busca incluir en la muestra un subgrupo con caractersticas similares a fin de estudiarlo a fondo. Muestreo de casos tpicos: con la ayuda de informantes claves se seleccionan algunos casos tpicos, esta estrategia permite conocer lo que normal o usual en un grupo.

Muestreo estratificado

intencionado: al igual que el muestreo

estratificado utilizado en la investigacin cuantitativa, esta estrategia consiste en tomar los casos agrupados segn alguna caracterstica. La diferencia es que en este caso, una vez escogidos los estratos, los casos no se seleccionan en forma aleatoria sino intencionadamente. Muestreo de casos crticos: son casos que tienen un impacto discernible e importante en los resultados de algo; se refiere a hechos que ocurren de manera muchas veces imprevista, que alteran la rutina usual del trabajo o de la vida. Muestreo a base de criterios: en este tipo de muestreo primero se elaboran algunos criterios que los casos deben cumplir, luego se escogen aplicando dichos criterios Muestreo aleatorio intencionado: consiste en escoger un nmero pequeo de casos a incluir en el estudio con el fin de profundizar con ellos en el tema de investigacin. Sin embargo la eleccin de los casos se hace en forma aleatoria. Esto se hace con el fin de darle mayor credibilidad a la informacin. Muestreo de informante clave: en estos casos se escogen algunas pocas personas por razones especiales, como: su influencia poltica en el asunto del cual trata la investigacin; previo a la seleccin de la personas deben identificar los subgrupos que segn criterios

establecidos constituyen los mejores informantes para el tema a tratar

en la investigacin. De cada uno de estos subgrupos se selecciona algunas personas. Muestreo por conveniencia: este mtodo, al igual que en la investigacin cuantitativa, consiste en seleccionar los casos que se encuentren disponibles o por comodidad para el investigador.