1) Investigue y explique las diferencias entre el muestreo probabil´ıstico y el

muestreo no probabil´ıstico.
El muestreo probabilístico es un método de muestreo (muestreo se refiere al
estudio o el análisis de grupos pequeños de una población) que utiliza formas
de métodos de selección aleatoria.

El requisito más importante del muestreo probabilístico es que todos en una

población tengan la misma oportunidad de ser seleccionados.

Por ejemplo, si tienes una población de 100 personas, cada persona tendría
una probabilidad de 1 de 100 de ser seleccionado. El método de muestreo
probabilístico te ofrece la mejor oportunidad de crear una muestra
representativa de la población.

Este método utiliza la teoría estadística para seleccionar al azar un pequeño

grupo de personas (muestra) de una gran población existente y luego predecir
que todas las respuestas juntas coincidirán con la población en general.

En la mayoría de los casos, utilizar la técnica de muestreo probabilístico te

ahorrará tiempo, dinero y mucha frustración. Probablemente no puedas enviar
encuestas a todas las personas, pero siempre puedes darle a todos la oportunidad
de participar, de esto es de lo que se trata la técnica de El muestreo no
probabilístico es una técnica de muestreo en la cual el investigador selecciona
muestras basadas en un juicio subjetivo en lugar de hacer la selección al azar.

Hablaremos de muestro probabilístico siempre que se cumplan dos condiciones:

1. Todos los elementos de la población tienen una probabilidad mayor a cero de
ser seleccionados en la muestra.
2. La probabilidad de inclusión de cada elemento en la muestra se conoce de
forma precisa. 
El cumplimiento de ambos criterios es el que hace posible obtener resultados no
sesgados cuando se estudia la muestra y determinar el grado de incertidumbre
que añade el proceso de muestreo. En ocasiones, estos resultados no sesgados
requieren usar técnicas de ponderación (weighting), pero esta ponderación es
posible precisamente porque se conoce la probabilidad de que cada individuo sea
seleccionado en la muestra. Las muestras generadas en estas condiciones se
conocen también como muestras probabilísticas.
La definición anterior nos lleva a concluir que sólo podemos hacer muestreo
probabilístico si se dispone de un marco muestral. El censo de un país, el conjunto
de direcciones de hogares en una población o la lista de clientes de una empresa,
son ejemplos de marcos muestrales que hacen posible un muestreo probabilístico.
En cada uno de estos casos, el universo a estudiar es diferente: habitantes de un
país, hogares de una población y clientes de una empresa, respectivamente.

Una tenemos un marco muestral, la forma exacta en que se utiliza para

seleccionar la muestra define las diferentes técnicas de muestreo probabilístico:
muestreo aleatorio simple, muestreo sistemático, muestreo estratificado, muestreo
por conglomerados..

A diferencia en el muestreo probabilístico, donde cada miembro de la población

tiene una posibilidad conocida de ser seleccionado, en el muestreo no
probabilístico, no todos los miembros de la población tienen la oportunidad de
participar en el estudio

El muestreo no probabilístico es más útil para estudios exploratorios como

la encuesta piloto (una encuesta que se implementa en una muestra más
pequeña, en comparación con el tamaño de muestra predeterminado).

El muestreo no probabilístico se utiliza donde no es posible extraer un muestreo

de probabilidad aleatorio debido a consideraciones de tiempo o costo.

El muestreo no probabilístico es un método menos estricto, este método de

muestreo depende en gran medida de la experiencia de los investigadores. El
muestreo no probabilístico comúnmente se lleva a cabo mediante métodos de
observación, y se utiliza ampliamente en la investigación cualitativa.

los investigadores recurren con frecuencia a otras técnicas de muestreo,

agrupadas dentro de lo que se conoce como muestreo no probabilístico. En
estas técnicas alternativas, es habitual seleccionar elementos para la muestra
basándose en hipótesis relativas a la población de interés, lo que se conoce
como criterios de selección. Por ejemplo, seleccionar una muestra buscando
individuos por la calle, tratando de que la mitad sean hombres y la mitad mujeres
(coincidiendo con la distribución que se supone en la población) sería un criterio
de muestreo no probabilísitico.

En estos casos, debido a que la selección de las unidades de la muestra no es

aleatoria, cuando hablamos de muestreo no probabilístico no deberíamos incluir
estimaciones de error. Dicho de otra forma, una muestra no probabilística nos
informa de cómo es un universo pero no nos permite saber con qué precisión: no
podemos establecer unos márgenes de error y unos niveles de confianza.

2) Investigue en que consiste la metodologia de seleccion de muestra para los

siguientes tipos de muestreo no probabil´ıstico y de un ejemplo de cada uno de
ellos.

a) Muestreo por conveniencia.

El muestreo por conveniencia es una técnica de muestreo no probabilístico y no

aleatorio utilizada para crear muestras de acuerdo a la facilidad de acceso, la
disponibilidad de las personas de formar parte de la muestra, en un intervalo de
tiempo dado o cualquier otra especificación práctica de un elemento particular.

El investigador elige a los miembros solo por su proximidad y no considera si

realmente estos representan muestra representativa de toda la población o no.
Cuando se utiliza esta técnica, se pueden observar hábitos, opiniones, y puntos de
vista de manera más fácil.

Los investigadores utilizan técnicas de muestreo en situaciones en las que hay

grandes poblaciones para ser evaluadas, ya que, en la mayoría de los casos, es
casi imposible realizar pruebas a toda una población.

El muestreo por conveniencia es la técnica de muestreo que se utiliza de manera

más común, ya que es extremadamente rápida, sencilla, económica y, además,
los miembros suelen estar accesibles para ser parte de la muestra.

Esta técnica se utiliza cuando no existen criterios que deban

considerarse para que una persona pueda ser parte de la muestra. Cada
elemento de la población puede ser un participante y es elegible para ser
parte de la muestra. Estos participantes comúnmente dependen de la
proximidad al investigador.

Por ejemplo, en una escuela a veces hay situaciones en las que un

docente selecciona las primeras dos filas para participar en la
competencia, este es un tipo de ejemplo en cuanto a la proximidad. O
también otro ejemplo podría ser cuando una ONG selecciona las 20
mejores ciudades para que presten sus servicios en función de la
proximidad de su base.

El ejemplo más básico de donde se utiliza el método de muestreo de

conveniencia es cuando las empresas detienen a las personas en un
centro comercial o en una calle concurrida para distribuir sus folletos
promocionales y hacer preguntas.

Las empresas utilizan el método de muestreo por conveniencia para

recopilar información sobre problemas críticos que deben abordarse casi
de inmediato, o cuando una marca está recopilando información sobre
una característica o producto en particular recién lanzado.

Durante las etapas iniciales de una investigación, los investigadores

suelen preferir utilizar el muestreo por conveniencia ya que con este
método es más rápido y fácil obtener resultados.

Incluso aunque muchos evitan implementar esta técnica, el muestreo por

conveniencia es clave en situaciones en las que un investigador pretende
obtener información en un lapso de tiempo más corto y sin invertir
demasiado dinero.

Por ejemplo, si a un estudiante de marketing se le pide una tarea en la cual debe

obtener comentarios sobre el “alcance del marketing de contenido en el 2018”,
este crearía rápidamente una encuesta en línea y le enviaría un enlace a todos los
contactos de su teléfono para que estos la respondan y las compartan en sus
redes sociales. Además es probable que le pida a sus compañeros que le ayuden
a responder su encuesta porque la necesita para su tarea. Este es un ejemplo
clásico del uso del método de muestreo por conveniencia

Es una técnica comúnmente usada consistente en seleccionar una muestra de

la población por el hecho de que sea accesible. Es decir, los individuos
empleados en la investigación se seleccionan porque están fácilmente disponibles
y porque sabemos que pertenecen a la población de interés, no porque hayan sido
seleccionados mediante un criterio estadístico. Esta conveniencia, que se suele
traducir en una gran facilidad operativa y en bajos costes de muestreo, tiene como
consecuencia la imposibilidad de hacer afirmaciones generales con rigor
estadístico sobre la población
Por ejemplo, supongamos que queremos conocer la opinión de los estudiantes
universitarios chilenos acerca de la política. Una muestra probabilística requeriría
acceder a un censo del total de estudiantes de todas las universidades chilenas
con el fin de seleccionar al azar un grupo de individuos y encuestarlos. Una
muestra por conveniencia podría consistir en dirigirnos a 3 universidades
cercanas, simplemente porque están en la población en la que reside el
encuestador, y encuestar a unos cuantos individuos que acepten participar al salir
de las aulas por la mañana.

Las limitaciones de este tipo de muestreo son obvias. En el ejemplo anterior,

podría suceder que diferentes tipos de universidades correlacionen con estratos
sociales y con opiniones políticas. Es más, si seleccionamos estudiantes de 3
universidades concretas y los encuestamos por la mañana, sus opiniones podrían
ser diferentes de las de estudiantes del turno de tarde (que tal vez trabajan al
mismo tiempo que estudian).
¿Significa lo anterior que los resultados de una muestra por conveniencia son
totalmente irrelevantes, que no nos dicen nada de la población? No exactamente.
Si tenemos buenas razones para pensar que la selección por conveniencia no va
a introducir sesgos respecto al total de la población, los resultados que
obtendremos pueden ser una buena imagen del universo estudiado. El problema
es que no sabremos exactamente cómo de buena es esa imagen: no se
pueden usar herramientas estadísticas como el margen de error y el intervalo de
confianza para medir la precisión de los resultados. Los lectores del estudio
tendrán que confiar en los criterios de la selección hecha por el investigador.

b) Muestreo por cuotas.

Hipotéticamente, supongamos que un investigador desea estudiar los

objetivos profesionales de los empleados de una organización. En esta
organización trabajan 500 empleados y estos son conocidos en conjunto como
“población”.

Para comprender mejor una población, el investigador solo necesitará una

muestra, no a toda la población. Además, el investigador está interesado en
estratos particulares dentro de la población. Es aquí donde el muestreo por
cuotas ayuda a dividir la población en estratos o grupos.

Para estudiar los objetivos de más de 500 empleados, técnicamente la muestra

seleccionada debe tener un número proporcional de hombres y mujeres. Lo que
significa que deben haber 250 hombres y 250 mujeres. Como esto es improbable,
los grupos o estratos se seleccionan mediante el muestreo por cuotas

El muestreo por cuotas es un método de muestreo no probabilístico en el que los

investigadores pueden formar una muestra que involucre a individuos que
representan a una población y que se eligen de acuerdo con sus rasgos o
cualidades.

Los investigadores pueden decidir el rasgo según el cual se llevará a cabo la

selección del subconjunto de la muestra para que ésta pueda ser efectiva en la
recolección de datos y que puedan generalizar a toda la población. El subconjunto
final se decidirá sólo de acuerdo con el conocimiento de la población por parte del
entrevistador o investigador.

En las etapas iniciales de un estudio, los investigadores pueden recolectar datos

representativos de una muestra formada utilizando el método de muestreo por
cuotas. Es muy similar al muestreo estratificado, que es un método de muestreo
probabilístico. La principal diferencia entre estas dos técnicas es que, en el
muestreo por cuotas, los elementos de la muestra no se seleccionan
aleatoriamente de cada estrato como se hace en el muestreo aleatorio
estratificado.

Por lo general, los investigadores prefieren técnicas de muestreo no

probabilísticas, como el muestreo por conveniencia y el muestreo por cuotas, en
situaciones en las que existen restricciones financieras o de tiempo para la
investigación. Además, en algunos casos en los que la velocidad de la
investigación es más valiosa que la precisión de los resultados obtenidos, se
recurre a este método de muestreo.

Por ejemplo, un investigador puede crear un muestreo por cuotas dividiendo a

toda la población por edad, sexo, estado, etc. Deben tener en cuenta la proporción
de cada grupo (estratos). Si su población objetivo tiene un 40% de mujeres y un
60% de hombres, el muestreo por cuotas también debería incluir elementos en la
misma proporción, de lo contrario los resultados obtenidos serán muy sesgados.

Las técnicas de muestreo probabilístico implican una cantidad significativa de

reglas que deben seguirse para formar muestras. Sin embargo, dado que el
muestreo por cuotas es una técnica de muestreo no probabilístico, no existen
reglas para la creación formal de muestras. Por lo general, hay cuatro pasos que
se pueden seguir para formar una muestra:

El paso más importante es dividir a toda la población en subgrupos, donde los

elementos de cada uno de los subgrupos deben ser parte de sólo uno de esos
subgrupos.

Por ejemplo, si un investigador desea entender su mercado objetivo para una

próxima variante de audífonos Bluetooth, el nicho más preciso al que puede
dirigirse será en función de los grupos de edad.

Se espera que el investigador evalúe la proporción en que los subgrupos existen

en la población. Esta proporción debe mantenerse en la muestra seleccionada
utilizando este método de muestreo.

Por ejemplo, si el 58% de las personas que están interesadas en comprar sus
auriculares Bluetooth tienen entre 25 y 35 años, sus subgrupos también deben
tener los mismos porcentajes de personas que pertenecen al grupo de edad
respectivo.

En el tercer paso del muestreo por cuotas, el investigador debe seleccionar el

tamaño de la muestra manteniendo la proporción evaluada en el paso anterior. Si
el tamaño de la población es 500, el investigador puede escoger una muestra de
50 elementos.

La muestra elegida después de seguir los tres primeros pasos debe representar la
población objetivo.

Otro ejemplo de muestreo por cuotas se da cuando un entrevistador desea

entender qué tan bien funciona su marca de zapatos. Su población objetivo se
encuentra entre los 25 y 40 años de edad. El entrevistador puede dividir aún más
los estratos según el género y seleccionar 100 mujeres y hombres pertenecientes
a ese grupo de población.

Debido a que los estratos están divididos de acuerdo al género, serán únicos ya
que una persona no puede ser tanto mujer como hombre. El investigador puede
crear subconjuntos de los subgrupos de acuerdo con su conocimiento de la
población, es decir, puede decidir si entrevistar una lista filtrada de su lista de
clientes usando medios en línea o realizar una encuesta dentro de su fuerza
laboral manteniendo constante la proporción de hombres y mujeres.
c) Muestreo de juicio.

En esta técnica de muestreo no probabilístico, las muestras se seleccionan

basándose únicamente en el conocimiento y la credibilidad del investigador. En
otras palabras, los investigadores eligen solo a aquellos que estos creen que son
los adecuados (con respecto a los atributos y la representación de una población)
para participar en un estudio de investigación.

Este no es un método científico de muestreo y la desventaja de esta técnica es

que los resultados pueden estar influenciados por nociones percibidas del
investigador. Por lo tanto, hay una gran cantidad de ambigüedad involucrada en
esta técnica de investigación. Por ejemplo, este tipo de método de muestreo se
puede utilizar en estudios piloto.

Un ejemplo del muestreo intencional lo encontramos cuando los reporteros de

noticias detienen a personas en la calle para preguntarle acerca de sus opiniones,
por ejemplo, sobre un tema político o cualquier otro tema en específico. 

Es importante especificar que el reportero tiene que tener un criterio específico al

momento de elegir a quien le hará las preguntas en la calle, si no se tuvieran
criterios previos no sería un muestreo intencional, sería un muestreo aleatorio.

De manera alterna, el método de muestreo intencional puede ser más efectivo

cuando el número de personas que pueden participar en la investigación es
limitado. 

Por ejemplo, para una investigación que analice, por ejemplo el duelo por la
pérdida de algún familiar relacionada con el rendimiento de la persona en el
trabajo, el investigador puede utilizar su propio juicio para elegir si es prudente que
la persona pueda participar o no en una entrevista profunda.

d) Muestreo bola de nieve.

Este tipo de técnica de muestreo ayuda a los investigadores a encontrar muestras

cuando son difíciles de localizar. Los investigadores utilizan esta técnica cuando el
tamaño de la muestra es pequeño y no está disponible fácilmente.

Este sistema de muestreo bola de nieve funciona como el programa de referencia.

Una vez que los investigadores encuentran sujetos adecuados, se les pide a estos
ayuda para buscar a sujetos similares y así poder formar una muestra de buen
tamaño.

El muestreo por bola de nieve es una técnica de muestreo no probabilística en la

que los individuos seleccionados para ser estudiados reclutan a nuevos
participantes entre sus conocidos. El nombre de "bola de nieve" proviene
justamente de esta idea: del mismo modo que una bola de nieve al rodar por una
ladera se va haciendo más y más grande, esta técnica permite que el tamaño de
la muestra vaya creciendo a medida que los individuos seleccionados invitan a
participar a sus conocidos.

La bola de nieve se usa con frecuencia para acceder a poblaciones de baja

incidencia y a individuos de difícil acceso por parte del investigador. En
proyectos en los que se quiere estudiar a un colectivo muy específico (por
ejemplo, personas aficionadas al coleccionismo de monedas), puede resultar
mucho más efectivo obtener una muestra a través de conocidos y amigos de los
propios coleccionistas, que mediante una selección puramente aleatoria, en la que
una gran cantidad de individuos candidatos a participar serían descartados.
Supuestamente, es muy probable que un coleccionista de monedas conozca a
otros coleccionistas de monedas, lo que hace de esta técnica una forma efectiva
de muestrear un colectivo que de otra manera resultaría de difícil acceso para el
investigador.
Por lo tanto, la bola de nieve funciona especialmente bien cuando el rasgo
distintivo de la población que queremos estudiar tiende a agrupar a dichos
individuos, a favorecer su contacto social. Es algo más habitual de lo que podría
parecer a simple vista. Es obvio que coleccionistas, practicantes de un deporte o
aficionados a un tipo de música pueden cumplir con esta propiedad. Pero también
aplica a otros colectivos como pacientes de una enfermedad rara, por poner un
ejemplo, ya que su circunstancia personal facilita que estas personas entren en
contacto con otras personas con el mismo rasgo (por ejemplo, en la consulta del
médico, en asociaciones, etc.).
El proceso de creación de una muestra mediante bola de nieve se fundamenta en
usar la red de contactos de unos individuos iniciales para acceder a más gente
de un colectivo. Podríamos dividir este proceso en los siguientes pasos:
1. Definir un programa de participación, en el que se describa el proceso por el
que un individuo invita o refiere a otros para que participen.
2. Identificar colectivos u organizaciones que puedan facilitar el acceso a unos
individuos iniciales que cumplan con el rasgo característico del estudio.
3. Obtener contactos iniciales y pedirles su participación. Esta parte sería similar a
una técnica de muestreo convencional, pero destinada a obtener un tamaño de
muestra reducido.
4. Solicitar a los participantes, una vez finalizada la entrevista, el acceso a otros
contactos.
5. Asegurar la diversidad de contactos mediante una correcta selección de los
individuos iniciales y promoviendo que la recomendación no se limite a contactos
muy cercanos.
Por ejemplo, este tipo de muestreo se puede utilizar para realizar investigaciones
que involucran una enfermedad particular en pacientes o tal vez una enfermedad
rara también. Los investigadores pueden buscar ayuda de las personas enfermas
para que estos refieran a otros que sufran de la misma dolencia y con esto formar
una muestra subjetiva para llevar a cabo el estudio.

El proceso de muestreo de bola de nieve es como pedirles a tus sujetos que

designen a otra persona con el mismo rasgo como el próximo sujeto. Luego, el
investigador observa a los sujetos designados y sigue de la misma manera hasta
obtener el número suficiente de sujetos.
Por ejemplo, para obtener sujetos para un estudio que quiere analizar una
enfermedad rara, el investigador puede elegir utilizar el muestreo de bola de nieve,
ya que será difícil obtener sujetos. También es posible que los pacientes con la
misma enfermedad tengan un grupo de apoyo, y si uno de sus miembros es tu
primer sujeto, lo más probable es que allí encuentres más sujetos para el estudio.

 Un investigador quiere hacer un estudio sobre el comportamiento de los

individuos de una secta secreta. Empieza estudiando a tres integrantes de
misma que conoce y ellos le van presentando a otros sujetos para incluirlos en
su estudio.
 Un médico ha tratado a un paciente con una enfermedad rara y decide
hacer un estudio sobre ella. Para ello, recurre al paciente, que le va derivando
a sus conocidos con dicha enfermedad y a través del muestreo de bola de
nieve entrevista al número de individuos que precisa.
 3) Consultar en que consiste el diseño de muestreo aleatorio simple sin
reemplazo (MAS)

Pasos para seleccionar una muestra aleatoria simple

1. Define la población objetivo. Quizá quieras leer: ¿Cómo encontrar a tu

mercado objetivo?
2. Identifica un marco de muestreo actual de la población objetivo o desarrolla
uno nuevo.
3. Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva,
cobertura múltiple y la agrupación, y haz los ajustes que consideres necesarios.
4. Asigna un número único a cada elemento de la trama.
5. Determina el tamaño de la muestra.
6. Selecciona al azar el número específico de elementos de la población.

En este tipo de muestreo, la población de N unidades es dividida en

subpoblaciones de N1, N2, …, NL unidades, respectivamente. Estas
subpoblaciones no se sobreponen y juntas forman la totalidad de la población, por
lo que

N1+ N2+ …+ NL = N

Las subpoblaciones son llamados estratos. Para obtener un beneficio completo de

la estratificación se debe de conocer Nh. Una vez que han sido determinados los
estratos, se saca una muestra de cada uno, la extracción se realiza de forma
independiente en cada estrato. Los tamaños de la muestra dentro de los
estratos son representados por n1, n2, …, nL.

Si se toma una muestra aleatoria simple en cada estrato, el

procedimiento completo es conocido como muestreo estratificado
aleatorio.

La estratificación es una técnica común. Hay muchas razones para

realizarla; las principales son:

·         Si se desea cierta precisión en alguna subdivisión, es necesario

tratarla como si fuera una “población” por sí sola.

·         Las conveniencias de tipo administrativo.

·         La diversidad de determinados grupos (por ejemplo, hoteles,
hospitales, prisiones, etc.) hace necesario un enfoque diferente al
de las personas normales. O, por ejemplo, las grandes compañías
conviene separarlas en un estrato diferente, para las pequeñas
empresas se puede utilizar un tipo de muestreo por áreas.

·         La estratificación puede dar lugar a una ganancia en precisión de

los estimadores de la población. Esto ocurre cuando una población
heterogénea es dividida en subpoblaciones cada una de las cuales
es internamente homogénea.

4) Consultar en que consiste el dise˜no de muestreo aleatorio sistem

´atico (SIS) y el mecanismo se selecci´on.
 Este método de muestreo consiste en lo siguiente: Supóngase que
las N unidades de la población se numeran en algún orden de 1 a
N. Para seleccionar una muestra de n unidades tomamos una al
azar de las k primeras unidades, a continuación elegimos  la que
viene k unidades siguientes y así sucesivamente. Por ejemplo, si k
=30 y la primera unidad elegida es la 19, las subsiguientes
unidades serán los números 49, 79, 109, etc. La selección de la
primera unidad determina la muestra completa. Este tipo de
muestreo se llama muestra sistemática de cada k-ésima unidad.
 Las ventajas de este método sobre el aleatorio simple son:
 ·         Es más fácil obtener la muestra y ejecutarlo con menos errores.
 ·         Intuitivamente aparece como más preciso que el muestreo
simple aleatorio. En efecto, estratifica la población en n sustratos,
los cuales consisten en las primeras k unidades, las segundas k
unidades, etc. Eligiendo una unidad por estrato. La diferencia está
en que en el muestreo estratificado la unidad dentro de cada
sustrato se elige al azar, en este siempre está en la misma posición
relativa.
 Una variante del muestreo sistemático consiste en escoger cada
unidad en el centro del estrato; esto es, en lugar de empezar la
secuencia con un número al azar escogido del 1 al k, tomamos el
número inicial como (k+1)/2 si k es impar y (k+2)/2 si k es par.