Selección de la Muestra

del Proceso de
Investigación

Esp. Guillermo Augusto Narváez Burbano

Una parte fundamental para realizar un estudio
estadístico de cualquier tipo es obtener unos
resultados confiables para lo cual se necesita
generalmente la mayor cantidad de datos posibles.
Pero generalmente resulta casi imposible o
impráctico llevar a cabo algunos estudios sobre toda
una población, para esto la solución es desarrollar el
estudio basándose en un subconjunto de dicha
población realizando un muestreo.
Población: Llamado también Universo, es el conjunto
de todos los elementos que tienen una característica
o hacen parte de un espacio común y de los cuales
queremos realizar un estudio para conocer datos
específicos.

Muestra: Parte de una población seleccionada

mediante alguna técnica. La muestra es un
subconjunto representativo, adecuado y válido de la
población.

Probabilística o Aleatoria
Muestra
No Probabilística, Dirigida
o de Juicio
En las muestras probabilísticas todos los elementos
de la población tienen la misma posibilidad de ser
escogidos, la muestra se obtiene utilizando
herramientas estadísticas las cuales devolverán un
valor resultante de una cantidad representativa de
la población.

En las muestras no probabilísticas, la elección de los

elementos no depende de la probabilidad, sino de
las características de la investigación o de quien
hace la muestra. Aquí el procedimiento no es
mecánico ni con base en fórmulas de probabilidad,
sino de las decisiones del investigador o
investigadores obedeciendo a diversos criterios.
La muestra de una investigación cualitativa se
determina durante o después de la inmersión inicial
en el campo y puede ser reajustada en pasos
posteriores del proceso. Casi en la totalidad de los
casos la muestra es no probabilística e incluso
podría llegar a ser formada por la totalidad de la
población. En los estudios cualitativos el tamaño de
muestra no es importante desde una perspectiva
matemática, pues el interés del investigador no es
generalizar los resultados sino que se busca la
profundidad de los mismos.
Aun así un muestreo adecuado tiene una importancia
crucial en la investigación, y por esta razón es necesario
reflexionar detenidamente sobre cuál es la estrategia de
muestreo más pertinente para lograr los objetivos de
investigación, tomando en cuenta criterios de rigor,
estratégicos, éticos y pragmáticos. Por lo general son tres
los factores que intervienen para determinar el número
de casos:

1. Capacidad operativa de recolección y análisis: Número

de casos que podemos manejar de manera realista.
2. El entendimiento del fenómeno: Número de casos que
nos permitan responder a las preguntas de investigación.
3. La naturaleza del fenómeno bajo análisis: Si los casos
son frecuentes y accesibles o no, si el recolectar
información lleva poco o mucho tiempo.
Ejemplo 1: En un estudio sobre las emociones que los
pacientes jóvenes pueden experimentar antes de ser
operados de tumores cerebrales, el investigador o
investigadora procurará analizar el mayor número de
casos posible que depende, en primera instancia, de
cuántas cirugías para extirpar tumores cerebrales se
realizan en una institución medica o ciudad, mensual o
anualmente a jóvenes de 13 a 17 años.

Ejemplo 2: en una investigación se reclutó abiertamente,

buscando la mayoría de casos posibles, a las participantes
con el requisito que hubiesen vivido abuso sexual
prolongado durante su infancia. La muestra final fue de
11 mujeres.
Muestra de Participantes Voluntarios:
Frecuentes en ciencias sociales y médicas y se refieren, a
individuos que voluntariamente acceden a participar en
un estudio. A esta clase de muestra también se le puede
llamar autoseleccionada, ya que las personas se proponen
como participantes en el estudio respondiendo
activamente a una invitación.
Muestra de Expertos:
Estas muestras son frecuentes en estudios cualitativos y
exploratorios para generar hipótesis más precisas. Por
ejemplo, en un estudio sobre el perfil de la mujer
periodista en México se recurrió a una muestra de 227
mujeres periodistas, pues se consideró que eran los
participantes idóneos para hablar de contratación,
sueldos y desempeño de tal ocupación.
Muestra de Casos-Tipo:
Se utilizan cuando el objetivo es analizar un determinado
grupo social. Los estudios que se hacen para el análisis de
las actitudes y conductas del consumidor utilizan
muestras de casos-tipo. Aquí se definen los segmentos a
los que va dirigido un determinado producto (por
ejemplo, jóvenes clase socioeconómica A, alta, y B,
media, amas de casa clase B, ejecutivos clase A-B).
Muestra Por Cuotas:
Se utiliza en estudios de opinión y marketing donde los
encuestadores realizan su actividad en un lugar público,
al hacerlo van llenando cuotas de participación. Así, en
un estudio se dice a los encuestadores entrevisten a 80
personas adultas. Que 25% sean hombres mayores de 30
años, 25% mujeres mayores de 30 años, 25% hombres
menores de 25 años y 25% mujeres menores de 25 años”.
Muestras Diversas o de Máxima Variación:
Utilizadas cuando se busca mostrar distintas perspectivas
y representar la complejidad del fenómeno estudiado, o
bien, documentar diversidad para localizar diferencias y
coincidencias, patrones y particularidades.

Muestras Homogéneas:
Al contrario de las muestras diversas, en éstas las
unidades a seleccionar poseen un mismo perfil o
características, o bien, comparten rasgos similares. Su
propósito es centrarse en el tema a investigar o resaltar
situaciones, procesos o episodios en un grupo social.
Muestras En Cadena o Bola de Nieve:
Se identifican participantes clave a la muestra, se les
pregunta si conocen a otras personas que puedan
proporcionar más datos, y los incluimos también.

Muestras de Casos Extremos:

Útiles cuando interesa evaluar características o
fenómenos especiales, alejados de la normalidad. Este
tipo de muestras se utilizan para estudiar etnias muy
distintas al común de la una población, o para profundizar
el análisis de comportamientos terroristas y suicidas.

Muestras Por Conveniencia:

Tipo de muestra que se conforma simplemente con los
casos disponibles a los cuales tenemos acceso.
Para el proceso cuantitativo 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. El interés es que la
muestra sea estadísticamente (matemáticamente)
representativa.

Por lo dicho anteriormente puede verse que la

investigación cuantitativa en su mayoría de casos
utiliza una muestra probabilística.
Para empezar ha que tener en cuenta que el tamaño
que tiene una población es un factor de suma
importancia en el proceso de investigación
estadística, ya que según el número de elementos la
población puede ser finita o infinita.

Una población finita es aquella que está formada por

un limitado número de elementos, por ejemplo; el
número de habitantes de una vereda. En estos casos
uno debe preguntarse: dado que una población tiene
un tamaño (N) ¿cuál es el menor número de unidades
muestrales (personas, objetos, etc.) que necesito
para conformar una muestra (n) que me asegure un
determinado nivel de error (e) ?. La respuesta a esta
pregunta busca encontrar una muestra que sea
representativa del universo o población con cierta
Para empezar ha que tener en cuenta que el tamaño
que tiene una población es un factor de suma
importancia, ya que según el número de elementos
la población puede ser finita o infinita.

Una población finita es aquella que está formada por

un limitado número de elementos, por ejemplo; el
número de habitantes de una vereda. En estos casos
uno debe preguntarse: dado que una población tiene
un tamaño (N) ¿cuál es el menor número de unidades
muestrales (personas, objetos, etc.) que necesito
para conformar una muestra (n) que me asegure un
determinado nivel de error (e)?. La respuesta a esta
pregunta busca encontrar una muestra que sea
representativa del universo con cierta posibilidad de
error y nivel de confianza (k o Z).
Una población infinita es aquella que no se conoce
su tamaño real, por ejemplo la cantidad de
profesionales en Trabajo Social que están ejerciendo
su carrera. También puede considerarse infinita una
población que es tan grande que por razones
practicas de una investigación debe manejarse como
un universo infinito.

De todas formas el proceso matemático será similar

al de la población finita. Ya que aunque no conozco
el tamaño de mi universo, aun necesito conformar
una muestra (n) que me asegure un determinado
nivel de error (e) y cierto nivel de confianza (Z o k).
Muestras para Población Finita:

N= Tamaño de la población o universo.

e= Límite aceptable de error muestral. Suele usarse un valor que
varía entre el 1% (0,01) y 9% (0,09).
p= Es la variación positiva o la proporción de individuos que
poseen en la población la característica de estudio, toma un
valor entre 0 y 1. Cuando no se conoce generalmente se le da
el valor de 0,5.
q= Variación negativa o proporción de individuos que no poseen
esa característica, es decir q = 1- p.
Z= Constante que depende del nivel de confianza que asignemos
y corresponde a una distribución Normal o de Gauss.
Muestras para Población Finita:

N= Tamaño de la población o universo.

e= Valor entre el 1% (0,01) y 9% (0,09).
p= Cuando no se conoce generalmente se le da el valor de 0,5.
q= 1- p.
Z= Constante que depende del nivel de confianza que asignemos
y corresponde a una distribución Normal o de Gauss.
Z (K) 1,28 1,65 1,96 2,17 2,24 2,33 2,58
Nivel de Confianza 80% 90% 95% 97% 97,5 98% 99%
Muestras para Población Infinita:

e= Valor entre el 1% (0,01) y 9% (0,09).

p= Cuando no se conoce generalmente se le da el valor de 0,5.
q= 1- p.
Z= Constante que depende del nivel de confianza que asignemos
y corresponde a una distribución Normal o de Gauss.
Z (K) 1,28 1,65 1,96 2,17 2,24 2,33 2,58
Nivel de Confianza 80% 90% 95% 97% 97,5 98% 99%
Ejemplo:
En una investigación acerca de Riesgos Profesionales y Estrés
en Docentes, la población estará constituida por docentes
tiempo completo de las universidades privadas en la ciudad
de Pasto: Universidad Mariana, Universidad Cooperativa.
Universidad Docentes
Universidad Mariana 226
Universidad Cooperativa 71
TOTAL (Población): 297

Requiere un nivel de confianza de 95% (Z=1,96), y se ha

planteado un error aceptable de 7% (e=0,07). Y al no conocer
la proporción de individuos que poseen la característica de
estudio usamos el valor por defecto (p = 0,5).