Unidad 2 / Escenario 4

Lectura fundamental

Muestreo cuantitativo

Contenido
1 Población, unidades de análisis muestral y muestra
2 Caracterización de las muestras

Palabras clave: error de estimación, error de estimación y rangos, tamaño de la muestra, unidad de casos o análisis.
Introducción
A estas alturas en el proceso de investigación cuantitativa se ha contemplado ampliamente el grupo
poblacional con el cual se desarrollará la investigación, sin embargo, emergen dudas respecto a qué
proporción de dicha población es adecuada para el desarrollo del estudio, es aquí donde se deben
establecer distinciones conceptuales respecto a los términos población, muestra y unidades de
análisis muestral, con el objetivo de seleccionar una muestra acordé al alcance e intenciones de la
investigación. A lo largo de esta Lectura fundamental se realizarán las precisiones anteriormente
mencionadas profundizando en el concepto de muestra y la categorización del mismo. De esta
manera, se brindan a los elementos metodológicos necesarios al estudiante para que pueda
determinar la muestra de su proyecto de investigación formativa y de otros procesos investigativos a
los que se ve enfrentado en su vida profesional.

1. Población, unidades de análisis muestral y muestra

Para iniciar, se debe aclarar el concepto de población, en investigación: la población hace referencia
a todos aquellos sujetos que guardan un alto grado de identificación con las particularidades y
requerimientos el estudio, de tal manera que un estudio enfocado a identificar las preferencias
musicales de los estudiantes del Politécnico Grancolombiano, contemplaría como población el total
de estudiantes de la universidad, sin embargo, sería muy difícil adelantar un estudio con la totalidad de
estos, qué en términos investigativos se denominarían unidades de análisis o casos por Sampieri et ál.
(2014), a partir de la imposibilidad de trabajar con la totalidad del grupo poblacional el investigador
debe establecer o seleccionar una muestra, que corresponde una representación significativa del
macrouniverso poblacional, dicho de otra forma, las muestras seleccionadas para el estudio deben ser
representativas en términos estadísticos respecto a la población, de forma que los resultados de la
investigación puedan tener un carácter aplicativo a contextos reales y una validez externa.

Según Sampieri et al. (2014):

… la muestra es el subconjunto de la población que se selecciona para el estudio, esperando que los que
se averigüe en la muestra nos dé una idea sobre la población en su conjunto, se seleccionan muestras
porque normalmente no es posible o económico estudiar todos y cada uno de los sujetos de una
población (p. 10).

POLITÉCNICO GRANCOLOMBIANO 2
En la siguiente figura se puede apreciar de manera práctica lo expuesto con anterioridad.

Población Unidades de Muestra

análisis muestral
Totalidad de estudiantes Un grupo representativo
Cada uno de los
del Politécnico de estudiantes
estudiantes del
Grancolombiano. seleccionado
Politécnico
estadísticamente a partir
Grancolombiano.
de la población.

Figura 1. Ejemplo de muestras seleccionadas

Fuente: elaboración propia

Una de las principales dificultades a las que se enfrenta el investigador cuando quiere seleccionar
la muestra de su estudio, está relacionada con el hecho de que no hay una delimitación clara
de la población seleccionada, es aquí entonces donde se deben establecer límites que permitan
esclarecer un contexto limitado y real para la realización del estudio.

Otro problema que suele presentarse en la selección de la muestra pensar en la estadística

como único criterio de selección, en relación con el ejemplo anterior se podría pensar que
hipotéticamente el Politécnico Grancolombiano tiene 100 estudiantes matriculados en sus
distintas sedes y programas académicos, por lo que 30 de sus estudiantes podrían ser significativos
respecto a la población total, pero hay que contemplar otras variables más allá del porcentaje
estadístico, por ejemplo si se tomara la muestra de 30 estudiantes solo teniendo en cuenta la
región caribe de nuestro país, se evidenciaría un sesgo en términos culturales que afectaría los
resultados de la investigación y la respuesta que se le daría a la pregunta problema.

Otras variables que se deben contemplar al seleccionar la muestra son las relacionadas con
género, edad, estrato socioeconómico, entre muchas otras. La importancia radica en que la
representatividad no sea solo numérica sino integral tomando como referencia los parámetros
establecidos para la investigación.

POLITÉCNICO GRANCOLOMBIANO 3
2. Caracterización de las muestras
La forma en la que se caracterizan las muestras está dada por el parámetro de selección, lo cual
quiere que decir que una muestra se define de acuerdo con la metodología que se emplee para su
escogencia. En este sentido existen dos grandes tipos de muestreo que a su vez se subdividen en
diferentes tipologías que se trabajarán en este apartado. Inicialmente es necesario reconocer que
existen muestras probabilísticas y muestras no probabilísticas, las diferencias y características de estas
dos modalidades se definen a continuación.

2.1. Muestras probabilísticas o aleatorias

Las muestras probabilísticas o aleatorias contienen un elemento esencial: la probabilidad que tiene
cada uno de los miembros de la población o unidades de análisis de ser seleccionado. Continuando
con el ejemplo de la investigación sobre los gustos musicales de los estudiantes del Politécnico
Grancolombiano, se podría decir que una muestra de este tipo le brindaría a cada uno de los
estudiantes la misma posibilidad de participar en el estudio; para llegar a esta equivalencia de opciones
el investigador hará uso de procedimientos basadas en el azar que serán explicados más adelante
ya que la información que se debe conocer previamente en este tipo de muestreo es el número
de participantes que debe tener la muestra. La fórmula para llegar a este número se expone a
continuación y aplica cuando se conoce el tamaño de la población.

La información representada en esta fórmula se interpreta de la siguiente manera:

n = Tamaño de la muestra buscado.

N = Tamaño de la población o universo.

Z = parámetro estadístico que depende del nivel de confianza.

e = Error de estimación máximo aceptado.

p = probabilidad de que ocurra el evento estudiado.

q = Probabilidad de que no ocurra el evento estudiado.

POLITÉCNICO GRANCOLOMBIANO 4
Cuando no se conoce el tamaño de la población aplica la siguiente fórmula.

La información representada en esta fórmula se interpreta de la siguiente manera:

• n = Tamaño de la muestra buscado.

• Z = parámetro estadístico que depende del nivel de confianza.

• d = Error de estimación máximo aceptado.

• p = probabilidad de que ocurra el evento estudiado.

• q = Probabilidad de que no ocurra el evento estudiado.

Aún cuando se percibe confuso y un poco alejado de las comprensiones de las personas que no
están relacionadas frecuentemente con la estadística, es importante aclarar que actualmente
existen programas informáticos que facilitan la resolución de este planteamiento, solo se debe
contar con unos cuantos datos de los expuestos con anterioridad para calcular la muestra,
algunos de estos programas son SPSS, STATS e incluso Excel. Así mismo, en la web es posible
acceder a aplicaciones que permiten calcular el tamaño de la muestra de manera práctica, sin
embargo, estas herramientas no deben alejar al investigador de las competencias interpretativas
de los datos estadísticos.

Hay que recordar que lo aleatorio no implica solamente azar, según Coolican (2005) “el
significado estricto de la secuenciación aleatoria es que ningún suceso es predecible a partir de
ninguna secuencia, las elecciones humanas al azar pueden tener cierto patrón del que no se es
consciente” (p. 27).

POLITÉCNICO GRANCOLOMBIANO 5
 2.1.1. Muestreo simple

Las muestras probabilísticas aleatorias se dividen en tres tipos, el primero corresponde al muestreo
simple, para la realización de este tipo de muestreo basta que el investigador cuenta con dos
datos básicos, el primero de ellos tamaño exacto de la muestra se observó anteriormente estará
determinado por la resolución de las fórmulas expuestas, el segundo estos datos tiene que ver con
el número total de qué sujetos de la población y una codificación que posteriormente permitirá
identificar al sujeto seleccionado tras la implementación del proceso aleatorio.

Si por ejemplo se quisiera adelantar una investigación a la cual se cuenta con una población de 2.000
personas, de las cuales se deben seleccionar 322 de acuerdo con la aplicación y resolución de la
fórmula estadística, el investigador deberá contar con una base de datos que le permita codificar y
reconocer a cada uno de los 2.000 individuos con el fin de realizar un proceso aleatorio mediante
tómbolas, programas informáticos que permitan realizar este proceso como Excel o selección por
múltiplos de algún número específico. Este tipo de muestreo cobra un valor funcional cuando se
pretende hacer investigaciones que no tienen la intención de profundizar en diferencias y variables
cuantitativas como edad género o estrato. En sentido contrario si lo que el investigador busca es
distinciones entre características cuantitativas del grupo poblacional es recomendable que utilice un
tipo de muestreo estratificado el cual se explicará más adelante.

Algunas de las dificultades de este tipo de muestreo tienen que ver con el hecho de que no
todas las personas que se encuentran ubicadas en el grupo poblacional puedan ser contactadas,
esto atendiendo a que las bases de datos son una herramienta utilizada con frecuencia en el
establecimiento de este tipo de muestra. Para ilustrar este aspecto se puede plantear una situación
en la cual se conoce que 1.000 trabajadores de una organización están opcionados para ser parte de
una muestra de 277 personas con las cuales se realizará una medición de los niveles de satisfacción
laboral, para reclutar los 277 seleccionados el investigador hace uso de una base de datos en la cual
se encuentran registrados los correos electrónicos de cada uno de los empleados de la organización,
infortunadamente dicha base datos no cuenta con un proceso de actualización lo cual implica que de
los 277 seleccionados al azar solo se hicieron 126 contactos efectivos, lo que lleva al investigador a
reorganizar la forma como desarrollará el tipo de muestra.

De la misma manera pueden resultar excluidos de esta selección aquellas personas que no poseen
correo electrónico o no lo consulten, con frecuencia este tipo de situaciones son recurrentes en el
proceso investigativo, lo importante frente a esto es la capacidad de subsanar aquellas dificultades que
emergen del proceso y generar estrategias que permitan dar continuidad al mismo.

POLITÉCNICO GRANCOLOMBIANO 6
 2.1.2. Muestreo estratificado

El segundo tipo de muestreo en la categoría probabilística o aleatoria es el muestreo estratificado

que busca un análisis más profundo de las características de la población tomando como referencia
variables como la edad, el género, profesión, raza, entre otras, para esta modalidad el investigador
debe tener en cuenta número de sujetos que se encuentran presentes en las categorías que quiere
examinar y a partir de ello realizar muestras que garanticen la equivalencia de porcentajes de acuerdo
con dichas categorías. En una empresa por ejemplo existen 1.000 empleados de los cuales 800 son
mujeres y 200 son hombres se tendrían que seleccionar 277 de estos que configurarían la muestra
para la investigación, si el investigador quiere tener equivalencia estadística entre hombres y mujeres
debe calcular los porcentajes de acuerdo con el total de la población de cada uno de los géneros.
Sería incorrecto dividir los 277 sujetos en dos mitades de hombres y mujeres, lo que debe hacer en
este caso establecer una muestra sobre la población total de hombres y otra sobre la población total
de mujeres, aspecto que podría incrementar el número de la muestra total pero que garantizaría la
equivalencia de géneros para establecer comparaciones a partir de esta variable.

Tabla 1. Ejemplo de muestreo estratificado

Unidades de
Posibles estratos
análisis muestral
• Hombres

• Mujeres
Empleados de la empresa “K”.
• Administrativos

• Operarios
• Psicología

Estudiantes del Politécnico • Administración

Grancolombiano • Ingeniería industrial

• Contaduría
• Cristianos
Habitantes de una ciudad • Católicos

• Musulmanes
Fuente: elaboración propia

POLITÉCNICO GRANCOLOMBIANO 7
 2.1.3. Muestreo por racimos

El tercer tipo de muestreo incluido dentro de la modalidad probabilística o aleatoria es el muestreo por
racimos o conglomerados. Dicho muestreo parte del hecho de que las unidades de análisis se encuentran
en determinados contextos que facilitaría la ubicación de las mismas, si, por ejemplo, se buscan estudiantes
de medicina para adelantar una investigación, los racimos vendrían a ser de manera inicial aquellas
universidades donde se imparte está área del conocimiento y posteriormente las facultades de medicina
de dichas universidades. En cambio, si el investigador requiere adolescentes para llevar a cabo su estudio
deberá remitirse a las secretarías de educación para obtener información acerca de qué instituciones se
encuentran los niños y adolescentes con las características que requiere, posteriormente se acercaría a las
instituciones educativas seleccionadas para contactar dicha población y, por último, realizaría un muestreo
con cada uno de los cursos que tienen los estudiantes que necesita, como se presenta a continuación.

Tabla 2. Ejemplos de unidades de análisis y posibles racimos

Unidades de análisis Racimos

Médicos.
Niños y adolescentes.
Víctimas de violencia intrafamiliar.
Pacientes portadores de VIH.
Consumidores de sustancias
psicoactivas.
Hospitales y centros de salud.
Instituciones educativas.
Comisarías de familia y casas de justicia.
EPS, fundaciones, grupos de apoyo.
Comunidades terapéuticas, centros de
rehabilitación.

Fuente: elaboración propia

El muestreo por racimos implica hacer un rastreo de la población que se requiere para adelantar la
investigación, se plantea un abordaje que va desde los contextos generales a los particulares llegando
incluso hasta grupos poblacionales o específicos.

2.1.4. Muestreo sistemático

Dentro de los muestreos probabilísticos existen también las muestras sistemáticas o muestreo
sistemático, este tipo de muestra está caracterizada por la selección de intervalos que garantizan una
secuencia al interior del grupo poblacional, es indispensable que el investigador tenga en este tipo de
muestreo el número total de unidades de análisis muestral.

POLITÉCNICO GRANCOLOMBIANO 8
Si por ejemplo, un investigador requiere seleccionar una muestra de 100 personas en una población
total de 4.000 sujetos, lo que debe hacer es inicialmente es establecer subgrupos poblacionales
que le permitan generar un rango posteriormente, los subgrupos poblacionales surgen a partir de la
división del total de la población en el tamaño de la muestra, lo que para este caso sería: 4.000/100=
40. A continuación el investigador deberá elegir un número al azar entre 1 y 40 para elegir el rango en
cada uno de los subgrupos, en este caso se supondrá que el número seleccionado fue 35, de manera
tal que las unidades de análisis muestral serían las siguientes:

1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20 Subgrupos
21 22 23 24 25 26 27 28 29 30 poblacionales
31 32 33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48 49 50
51 52 53 54 55 56 57 58 59 60
61 62 63 64 65 66 67 68 69 70
71 72 73 74 75 76 77 78 79 80
81 82 83 84 85 86 87 88 89 90 Unidades de análisis
91 92 93 94 95 96 97 98 99 100 seleccionadas
Total de 101 102 103 104 105 106 107 108 109 110
población 111 112 113 114 115 116 117 118 119 120
121 122 123 124 125 126 127 128 129 130
131 132 133 134 135 136 137 138 139 140
141 142 143 144 145 146 147 148 149 150
151 152 153 154 155 156 157 158 159 160
161 162 163 164 165 166 167 168 169 170
171 172 173 174 175 176 177 178 179 180
181 182 183 184 185 186 187 188 189 190
191 192 193 194 195 196 197 198 199 200
201 202 203 204 205 206 207 208 209 210
211 212 213 214 215 216 217 218 219 220
221 222 223 224 225 226 227 228 229 230
231 232 233 234 235 236 237 238 239 240
241…………….

Figura 2. Unidades de análisis muestral

Fuente: elaboración propia

Como se puede observar la matriz representa los subgrupos y rangos establecidos para la selección de
la muestra.

POLITÉCNICO GRANCOLOMBIANO 9
 2.2. Muestras no probabilísticas o no aleatorias

Las muestras no probabilísticas son aleatorias y son aquellas muestras que no tienen como criterio
de selección parámetros estadísticos, sino que establecen requisitos específicos para la elección
de los participantes. Este tipo de muestras ha sido relacionada más frecuentemente con el
enfoque cualitativo en investigación, considerando que no toman en cuenta la representatividad
numérica, sino la interpretación y explicación de los fenómenos estudiados, sin embargo, desde el
enfoque cuantitativo este tipo de muestras han sido utilizadas en casos específicos en los cuales
los grupos poblacionales se encuentran conformados previamente, como es el caso de los diseños
cuasiexperimentales.

2.2.1. Muestreo por conveniencia u oportunidad

Dentro de la categorización de este tipo de muestras se encuentra el muestreo por conveniencia

u oportunidad, en el cual a partir del establecimiento de los criterios específicos de selección
instigador se remite a contextos de manera informal y espontánea a los sujetos que considera son
aptos para la investigación. Si por ejemplo un investigador requiere hacer un estudio acerca del
noviazgo en adolescentes y los factores que determinan la duración de la relación de pareja, podría
remitirse a parques, salas de cine u otros espacios donde pueda aprovechar la oportunidad para
socializar sus intenciones investigativas. Este ejemplo es por supuesto un caso hipotético y extremo,
pero en realidad se pueden observar grupos de encuestadores en distintos espacios públicos que
recogen información por medio de encuestas u otros instrumentos, indagando con anterioridad en
determinados requisitos.

2.2.2. Muestreo propositivo

Otra modalidad de muestreo planteada a nivel no probabilístico es el muestreo propositivo, aquí

lo que le interesa al investigador es encontrar personas con características específicas asociadas al
fenómeno que desea estudiar. A manera de ejemplo, si se quiere indagar en la percepción que Los
profesionales de la salud tienen respecto al aborto, un muestreo propositivo estaría dado por las
elecciones distintos profesionales de la salud en términos de carrera y nivel, así podríamos encontrar
médicos enfermeras y paramédicos que nutrirían esta muestra.

POLITÉCNICO GRANCOLOMBIANO 10
Otra manera de ejemplificar este tipo de muestreo tomando como referencia el ejemplo anterior
sería una situación o contexto en la cual los profesionales de la salud mental estuvieran reunidos por
ejemplo un congreso de medicina, con un muestreo probabilístico el investigador podría tomar el número
de médicos que considere prudente para su muestra y realizar la aplicación del instrumento que requiera,
sin embargo en este ejemplo y el anterior se perciben dificultades del este tipo de muestreo, una de estas
es la deficiencia en la representatividad que la muestra pueda llegar a tener respecto a la población.

2.2.3. Muestreo por bola de nieve o efecto dominó

Por último, está el denominado muestreo por bola de nieve o efecto dominó que básicamente hace
referencia a la metodología empleada para reclutar participantes. Esta se basa en la activación de
redes de apoyo social con el fin de ampliar el número de la muestra teniendo la certeza de que los
participantes convocados reúnen los requisitos, pues estos han sido verificados por el reconocimiento
que el grupo de pares tiene del mismo. Este tipo de muestreo es muy válido en grupos poblacionales
cuyas características sociales se basan en prejuicios errores de interpretación de la realidad por lo que
son de difícil contacto, por ejemplo, una investigación acerca del perfil psicológico de los usuarios
de trabajadoras y trabajadores sexuales tendría dificultades de convocatoria y reclutamiento de la
población, aun cuando podría realizarse un muestreo por oportunidad sería inapropiado abordar
participantes en el contexto propio del trabajo sexual, para tal fin sería más conveniente emplear el
muestreo que se viene explicando ya que un usuario de los servicios mencionados anteriormente,
transmitiría la información a otros manteniendo así los niveles de discreción y privacidad que
frecuentemente exige este tipo de población. El siguiente es un gráfico de este tipo de diseño, en el
cual se esquematiza la forma en que se alcanzan las muestras bajo el efecto bola de nieve.

Figura 3. Esquema tipo bola de nieve

Fuente: elaboración propia

POLITÉCNICO GRANCOLOMBIANO 11
Una de las desventajas de este tipo de muestreo, al igual que el muestreo propositivo, es que no
está garantizada la representatividad de la muestra, además de esto, al tratarse de una muestra de
referidos es posible que se evidencien rasgos en el grupo seleccionado que no correspondan a los
requerido por el investigador.

Al respecto de lo consignado en esta Lectura fundamental, se puede decir que el muestreo no

corresponde a un ejercicio estadístico exclusivamente, sino que debe ir acompañado de una serie de
habilidades del investigador que le permitan llegar a las unidades de análisis muestral idóneas para su
investigación, tales habilidades están relacionadas con el reconocimiento de contextos y la capacidad
para hacer una lectura adecuada del problema de investigación.

POLITÉCNICO GRANCOLOMBIANO 12
Referencias
Coolican, H., Sierra, G. P., Bari, S. M. O., Herrejón, J. L. N., y Tejada, M. R. (2005). Métodos de
investigación y estadística en psicología. Ciudad de México, México: Manual Moderno.

Hueso, A. y Cascant, J. (2012). Metodología y técnicas cuantitativas de investigación. Valencia, España:

Universitat Politècnica de València.

Sampieri, R., Hernández, C. y Baptista, P. (2014). Metodología de la Investigación. Ciudad de México,

México: SD interamericana editores.

POLITÉCNICO GRANCOLOMBIANO 13
 INFORMACIÓN TÉCNICA

Módulo: Métodos Cuantitativos en Ciencias Sociales

Unidad 2: Aspectos metodológicos previos al
análisis cuantitativo
Escenario 4: Muestreo cuantitativo

Autor: Héctor Alfredo Ramírez

Asesor Pedagógico: Alexandra Bolaños

Diseñador Gráfico: Brandon Ramírez
Asistente: Laura Delgado

Este material pertenece al Politécnico Grancolombiano.

Prohibida su reproducción total o parcial.

POLITÉCNICO GRANCOLOMBIANO 14