UNIVERSIDAD AUTONOMA GABRIEL

RENE MORENO
FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES

TEMA:
TIPOS DE MUESTREO PROBABILISTICO Y NO PROBABILISTICO

MATERIA: ESTADISTICA II
DOCENTE: LIC. WIGBERTO QUIA
GRUPO: MAT260 E9
ESTUDIANTES: MARITA STEFANY ESCALANTE COIMBRA
MARIA ISABEL

FECHA: XX/07/23
SANTA CRUZ – BOLIVIA
Muestreo probabilístico y no probabilístico
A la hora de ejecutar cualquier estudio de investigación cuantitativa, resulta complicado
poder acceder al elevado número de personas al cual se dirige la misma, motivo por el cual
necesitamos emplear una muestra, que es la representación adecuada de la población
objetivo a la cual se dirige nuestro estudio.
No obstante, para que nuestro estudio sea válido, es necesario que esta muestra sea
representativa de la población y esto puede conseguirse a través de técnicas de que nos
permitan producir una muestra aleatoria adecuada.
Por eso hoy vamos a conocer más sobre estas técnicas de muestreo y los tipos que
podemos utilizar en nuestros estudios.

En qué consiste la técnica de muestreo

Como acabamos de ver, el muestreo es una herramienta estadística que nos ayuda a
determinar cómo seleccionar una muestra representativa de la población para nuestro
estudio.
De esta manera, su objetivo es generar una muestra que represente lo más fielmente posible
a la población o universo al que se pretenden extrapolar los resultados de la investigación.
Todo ello asumiendo que siempre va a ver un determinado margen de error que es asumible.

Tipos de muestreo más habituales que existen

Una vez conocemos en qué consiste el muestreo y por qué es tan importante, vamos a ver
los dos tipos principales que podemos usar a la hora de elaborar la muestra para nuestro
estudio

Muestreo probabilístico
En primer lugar, tenemos el muestro probabilístico, que es aquel que brinda a todos los
individuos de la población la misma oportunidad de ser seleccionados para la investigación.
Esto implica un enfoque más riguroso que elimina ciertos sesgos sociales que pueden influir
de manera directa en el resultado final de nuestra investigación. Podemos encontrar 4 tipos
distintos de muestreo probabilístico que son:
  Muestreo aleatorio simple. En este primer tipo de muestreo, se le da a cada sujeto
un número y, posteriormente, se obtienen los números que formarán la muestra de
manera completamente aleatoria.
 Muestreo sistemático. El muestreo sistemático también realiza la selección del
primer sujeto de manera aleatoria, pero para los siguientes se seleccionan a partir de
un listado utilizando intervalos fijos o sistemáticos.
 Muestreo estratificado. En este caso, se divide a la población en segmentos y luego
se realiza un muestreo aleatorio simple en cada uno de ellos.
 Muestreo por conglomerados. Finalmente, en este último caso los elementos de la
población son seleccionados al azar en forma natural, pero a partir de agrupaciones o
clústeres o conglomerados previos.

Muestreo no probabilístico
En la otra cara de la moneda, tenemos el muestreo no probabilístico que, como puedes
imaginar, es aquel que no da las mismas opciones de ser seleccionados a toda la población.
Y, aunque pueda parecer que este método conlleva un mayor sesgo de la información,
también es muy interesante para aplicar en ciertas situaciones concretas o en fases más
avanzadas del estudio. Veamos los 4 subtipos que se engloban dentro del mismo:

 Muestreo por cuotas. En este último caso, se elige a los sujetos de la muestra en
base a una serie de rasgos o cualidades, de manera que esos perfiles permitan tener
la seguridad de que la muestra contiene todos los colectivos que pueden encontrarse
en un universo determinado (supuesto que se conoce el perfil de dicha población
según determinadas variables, que se utilizarán para establecer las cuotas). Esta es
una de las formas de muestreo más habituales en investigación de mercados.
Muestreo aleatorio simple

El muestreo aleatorio simple es un tipo de muestreo que consiste en seleccionar un

subconjunto aleatorio de individuos de la población objetivo para representar a todo el grupo.
El muestreo aleatorio simple es un procedimiento de muestreo probabilístico que da a cada
elemento de la población objetivo y a cada posible muestra de un tamaño determinado, la
misma probabilidad de ser seleccionado. 

Esta es una técnica utilizada en los estudios de mercado para recopilar datos de una muestra
de una población más amplia. 

Sin embargo, este método de muestreo no es el único utilizado en investigaciones del

consumidor, sobre todo porque es complicado obtener un marco de muestreo de donde
extraer al azar.

Es importante tener en cuenta que el muestreo aleatorio simple no garantiza una

representación perfecta de la población, pero aumenta la probabilidad de conseguir
una muestra representativa. 

Para mejorar la precisión de los resultados, también es importante asegurarse de que el

tamaño de la muestra es lo suficientemente grande como para proporcionar un resultado
estadísticamente significativo.

Usualmente para hacer una investigación de este tipo se requiere a usuarios de tiendas o
consumidores de ciertos productos o ciertas áreas específicas para ser las unidades de
muestreo.

No olvidemos que una parte muy importante del muestreo consiste en tener el tamaño de la
muestra correcta, para no tener un error de muestreo, el cual debe ser el mínimo posible.
¿Cómo realizar un muestreo aleatorio simple?

A continuación, te presentaremos cómo realizar un muestreo aleatorio simple a través de 6

pasos fundamentales:
 Define la población objetivo.
 Identifica un marco de muestreo actual de la población objetivo o desarrolla uno
nuevo.
 Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva, cobertura
múltiple y la agrupación, y haz los ajustes que consideres necesario.
 Asigna un número único a cada elemento de la trama.
 Determina el tamaño de la muestra.
 Selecciona al azar el número específico de elementos de la población.

Tipos de muestreo aleatorio simple

El muestreo aleatorio simple es un método de muestreo al azar que puede tener 2 subtipos:

el muestreo con reemplazo y sin reemplazo. 
 Muestreo reemplazo: En este, después de que un elemento ha sido seleccionado de
entre el marco de la muestra, se devuelve y es elegible para ser seleccionado de
nuevo.
 Muestreo sin reemplazo: En este, después de que un elemento se selecciona del
marco de la muestra, se retira de la población y no regresa a la base del muestreo.
Este tipo de muestreo suele ser más eficiente pues no permite que el mismo elemento
de la población entre a la muestra más de una vez. 

Ventajas del muestreo aleatorio simple

 Utilizar este tipo de muestreo probabilístico puede representar algunas ventajas para
ciertos estudios, entre las que están:
 Tiende a producir muestras representativas y permite el uso de la estadística
inferencial en el análisis de datos recogidos.
  Cada selección es independiente de otras selecciones; Todas las combinaciones
posibles de unidades de muestreo tienen la misma oportunidad de ser seleccionadas.
En el muestreo sistemático, las posibilidades de ser seleccionado no son
independientes entre sí.
 En general, es más fácil que otros procedimientos de muestreo probabilístico (tales
como el muestreo por conglomerados) de comprender y comunicar a otros.
 Los procedimientos estadísticos requeridos para analizar los datos y calcular los
errores son más fáciles que los requeridos en otros procedimientos de muestreo
probabilístico.

Desventajas del muestreo aleatorio simple

 Entre las desventajas de utilizar el muestreo aleatorio simple, están:

 Se requiere un marco de muestreo de elementos de la población objetivo. Un marco
de muestreo apropiado puede que no exista para la población que se dirige, y puede
que no sea factible o práctico construir uno. En este caso el muestreo por
conglomerados no requiere de una toma de muestra de los elementos de la población
objetivo.
 El muestreo aleatorio simple tiende a tener errores de muestreo más grandes y menos
precisión de muestreo estratificado del mismo tamaño de la muestra.
 Los encuestados pueden estar muy dispersos, por tanto, los costos de la recolección
de datos pueden ser superiores a los de otros diseños de la muestra de probabilidad,
como el muestreo por conglomerados.
 El muestreo aleatorio simple puede no producir un número suficiente de elementos de
pequeños subgrupos. Esto no haría de un muestreo aleatorio simple una buena
opción para los estudios que requieren un análisis comparativo de las categorías
pequeñas de una población con categorías mucho más amplias de la población

Conclusión
El muestreo aleatorio es un método sencillo pero eficaz para recopilar datos de una
población más amplia como parte de una primera etapa para obtener una muestra
representativa. 
Por tanto, esta técnica puede proporcionar información valiosa para la investigación de
mercados y otros campos en los que es esencial disponer de datos precisos.
En resumen, el muestreo aleatorio simple es como hacer un sorteo, afortunadamente existen
herramientas que facilitan la automatización y le da seriedad a este proceso.
Ejemplo:
Muestreo estratificado

El muestreo estratificado es uno de los tipos de muestreo probabilístico del que podemos
hacer uso. Te invito a que sigas leyendo para conocer más de sus debilidades y fortalezas.
El muestreo estratificado es un procedimiento de muestreo en el que el objetivo de la
población se separa en segmentos exclusivos, homogéneos (estratos), y luego una muestra
aleatoria simple se selecciona de cada segmento (estrato).
Las muestras seleccionadas de los diversos estratos se combinan en una sola muestra. Este
procedimiento de muestreo se refiere a veces como» muestreo de cuota aleatorio».
Aquí te comparto algunas consideraciones para tener el mejor muestreo.

Pasos de selección para un muestreo estratificado

1. Define la población objetivo.

2. Identifica la variable o variables de estratificación y determinar el número de estratos a
usarse. Las variables de estratificación deben estar relacionados con el propósito de
estudio. Si el propósito del estudio es hacer estimaciones de los subgrupos, las
variables de estratificación deben estar relacionados con esos subgrupos.
3. La disponibilidad de información auxiliar a menudo determina las variables de
estratificación que se utilizan. Puede ser utilizada más de una variable de
estratificación. Considera que a medida que el número de variables de estratificación
aumenta, incrementa la probabilidad de que algunas de las variables cancelen los
efectos de otras variables, no más de cuatro a seis variables de estratificación y no se
deben utilizar más de seis estratos de una variable en particular.
4. Identifica un marco de muestreo existente o desarrolla uno que incluya información
sobre la o las variables de estratificación para cada elemento de la población objetivo.
Si el marco de la muestra no incluye la información en las variables de estratificación,
la estratificación no sería posible.
5. Evalúa el marco de muestreo para la falta de cobertura, cobertura excesiva, múltiple, y
la agrupación, y haz los ajustes cuando sea necesario.
 6. Divide el marco de muestreo en estratos, categorías de la estratificación de la o las
variables, creando un marco de muestreo para cada estrato. Dentro del estrato las
diferencias deben reducirse al mínimo, y las diferencias entre los estratos deben
maximizarse. Los estratos no deben estar superpuestos, en conjunto, debe constituir
toda la población. Los estratos deben ser independientes y mutuamente exclusivos del
subconjunto de la población. Cada elemento de la población debe estar en un sólo
estrato.
7. Asigna un número único a cada elemento. 
8. Determina el tamaño de la muestra para cada estrato. La distribución numérica de los
elementos incluidos en la muestra a través de los diversos estratos determina el tipo
de muestreo a implementar. Puede ser un muestreo proporcional estratificado o uno
de los diversos tipos de muestreo estratificado desproporcionado.
9. Selecciona al azar el número específico de elementos de cada estrato. Al menos un
elemento se debe seleccionar de cada estrato para la representación de la muestra; y
por lo menos dos elementos deben ser elegidos de cada estrato para el cálculo del
margen de error de las estimaciones calculadas a partir de los datos recogidos.

El muestreo estratificado proporcional

Hay dos subtipos principales de muestreo estratificado: el proporcional y el muestreo

desproporcionado. En el estratificado proporcional, el número de elementos asignados a
diversos estratos es proporcional a la representación de los estratos de la población objetivo.
Es decir, el tamaño de la muestra extraída de cada estrato es proporcional con el tamaño
relativo de ese estrato de la población objetivo.
La fracción de muestreo es aplicada a cada estrato, dando a cada elemento de la población
la misma oportunidad para ser seleccionados. La muestra resultante es una muestra auto
ponderada. Este procedimiento de muestreo se utiliza cuando el propósito de la investigación
es estimar los parámetros poblacionales.

El muestreo estratificado desproporcionado

El muestreo desproporcionado es un procedimiento en que el número de elementos incluidos

en la muestra de cada estrato no es proporcional a su representación en la población total.
Los elementos de la población no tienen la misma oportunidad de ser incluidos en la
muestra. La misma fracción de muestreo no se aplica a cada estrato.
Por otra parte, los estratos tienen diferentes fracciones de muestreo, y como tal, este
procedimiento de muestreo no es una selección equiprobable. Con el fin de estimar los
parámetros de población, la composición poblacional debe utilizarse para compensar la
desproporción en la muestra. Sin embargo, para algunos proyectos de investigación el
muestreo estratificado desproporcionado puede ser más apropiado que el proporcional.

Debilidades y fortalezas del muestreo estratificado

El muestreo estratificado tiene muchas de las fortalezas y debilidades asociadas con la

mayoría de los procedimientos de muestreo de probabilidad cuando se comparan con los
procedimientos de muestreo no probabilísticos.

 Capacidad para estimar no sólo los parámetros de población, sino también para hacer
inferencia dentro de cada estrato y las comparaciones entre los estratos. Datos
suficientes sobre subgrupos de interés quizá no puedan ser capturados en el
muestreo aleatorio simple. Las muestras estratificadas producen pequeños errores de
muestreo al azar que los que son obtenidos con una muestra aleatoria simple del
mismo tamaño de la muestra. Un muestreo estratificado dará lugar a una muestra que
es al menos tan precisa como una muestra aleatoria simple del mismo tamaño de la
muestra.
 Las muestras estratificadas tienden a ser más representativas de una población
debido a que se asegura de que los elementos de cada estrato en la población están
representados en la muestra. El muestreo puede ser estratificado para asegurar que la
muestra se extiende sobre subáreas geográficas y subgrupos de población.
 Al usar el muestreo estratificado, se aprovecha el conocimiento que el investigador
tiene sobre la población.
 La utilización de un muestreo estratificado permite al investigador utilizar diferentes
procedimientos de muestreo dentro de los diferentes estratos.
Ejemplo:
Muestreo sistemático
El muestreo sistemático es un tipo de muestreo probabilístico donde se hace una selección
aleatoria del primer elemento para la muestra, y luego se seleccionan los elementos
posteriores utilizando intervalos fijos o sistemáticos hasta alcanzar el tamaño de la
muestra deseado.

Pasos para la selección de un muestreo sistemático

 Definir la población objetivo.

 Determinar el tamaño deseado de la muestra (n).
 Identificar el marco muestreo existente o desarrollar un marco de muestreo de la
población objetivo.
 Evaluar el marco muestral por falta de cobertura, cobertura excesiva, múltiple
cobertura, agrupación, periodicidad, y hacer los ajustes cuando sea necesario.
Idealmente, la lista estará en un orden aleatorio con respecto al estudio variable o,
mejor aún, ordenados en función de la variable de interés o su correlación, creando
así estratificación implícita.
 Determinar el número de elementos en el marco de la muestra (N).
 Calcular el intervalo de muestreo (i) dividiendo el número de elementos en el marco de
muestreo (N) por el tamaño de la muestra específica (n). Uno debería ignorar el resto
y redondear o terminar en el número entero más próximo. El redondeo hacia abajo y
truncando puede hacer que el tamaño de la muestra sea más grande de lo deseado.
Si es así, se puede eliminar de forma aleatoria las selecciones adicionales. Si no se
conoce el tamaño exacto, o es poco práctico determinar, se puede fijar una fracción de
muestreo.
 Seleccionar al azar un número, r, de «1»  mediante i.
 Selecciona para la muestra, r, r + i, r + 2i, r ,+3i, y así sucesivamente, hasta agotar el
marco.

A nivel técnico, el muestreo sistemático no crea una muestra verdaderamente aleatoria. Sólo
la selección del primer elemento de muestreo sistemático es una selección de probabilidad.
Una vez que el primer elemento es seleccionado, algunos de los elementos tendrán una
probabilidad cero de selección.
Muestro por conglomerados

El muestreo por conglomerados nos ayuda cuando es imposible o poco práctico crear un
marco de muestreo de una población objetivo debido a que está muy dispersa
geográficamente y el costo de la recopilación de datos es relativamente alto.
El muestreo por conglomerados, también conocido como muestreo por racimos, es un
procedimiento de muestreo probabilístico en que los elementos de la población son
seleccionados al azar en forma natural por agrupaciones (clusters). Los elementos del
muestreo se seleccionan de la población de manera individual, uno a la vez.  
Las unidades de muestreo o grupos pueden ser espaciados, tal como ocurre naturalmente en
las unidades geográficas o físicas (por ejemplo: estados, delegaciones o distritos); en base a
una organización como escuelas, grado escolar; o servicio telefónico tales como códigos de
área o el cambio de las claves lada de los números de teléfono.
La heterogeneidad del grupo es fundamental para un buen diseño del muestreo por
conglomerados.

Pasos para seleccionar un muestreo por conglomerados

 Definir la población objetivo.

 Determinar el tamaño de la muestra deseada.
 Identificar un marco de muestreo existente o desarrollar un nuevo marco de muestreo
de grupos de la población objetivo.
 Evaluar el marco de muestreo para la falta de cobertura, cobertura excesiva, múltiple
cobertura, y la agrupación, y hacer los ajustes cuando sea necesario. Idealmente, los
grupos serían tan heterogéneos como la población, mutuamente excluyentes, y
colectivamente exhaustivos. La duplicación de elementos de la muestra puede
aparecer si elementos de la población pertenecen a más de un grupo. La omisión dará
lugar a un sesgo de cobertura.
 Determinar el número de grupos que se seleccione. Esto se puede hacer dividiendo el
tamaño de la muestra por el número promedio estimado de elementos de la población
 en cada grupo. En la medida en que la homogeneidad y la heterogeneidad de los
grupos sean diferentes a la de la población, el número del grupo aumenta e
incrementa la precisión. Por otra parte, si las diferencias aumentan, la precisión
disminuye.
 Seleccionar al azar el número previsto de las agrupaciones.

Subtipos del muestreo por conglomerados

Dos grandes dimensiones se utilizan para clasificar los diferentes tipos de muestreo por
conglomerados. Una se basa en el número de etapas en el diseño de la muestra, y el otro en
la representación proporcional de los grupos en la muestra total.

Subtipo basado en el número de etapas: A menudo, el muestreo por conglomerados se

lleva a cabo en más de una «etapa». Una etapa es un paso dentro del proceso de muestreo
en el que se toma una muestra. Considerando el número de etapas en el diseño, hay tres
subtipos principales de este muestreo: de una sola etapa, de dos etapas, y el muestreo de
etapas múltiples.

Muestreo por conglomerados de una etapa.

El muestreo se hace una sola vez. Un ejemplo sería, digamos que estamos interesados en el
estudio de personas sin hogar que viven en refugios.
Si hay cinco refugios en una ciudad, un investigador seleccionará al azar a uno de los
refugios y luego incluirá en el estudio a todas las personas sin hogar que residen en el
refugio seleccionado. Un investigador de mercado podría optar por utilizar un diseño de
muestreo por conglomerado de una sola etapa.
Digamos que un investigador está interesado en la prueba de comercialización de un
producto. El investigador puede seleccionar al azar códigos postales; enviar muestras del
producto junto con un cuestionario de evaluación a cada dirección dentro del grupo
seleccionado.

Muestreo por conglomerados en dos etapas

El diseño incluye todos los pasos del diseño de un muestreo por conglomerados, con una
excepción del último paso. En lugar de incluir todos los elementos de los grupos
seleccionados de la muestra, una muestra aleatoria (ya sea una muestra aleatoria simple,
muestra estratificada o muestra sistemática) se toman los elementos de cada grupo
seleccionado.
El muestreo por conglomerados de una etapa se refiere a veces como un submuestreo. En
general, a menos que el grupo sea homogéneo, un diseño de muestra de conglomerados en
dos etapas es mejor que uno de una sola etapa.

Muestreo por conglomerados de etapas múltiples.

Las encuestas de grandes áreas geográficas requieren un diseño de la muestra algo más
complicado que los descritos hasta este punto. Por lo general, se debe utilizar un diseño de
etapas múltiples, que consiste en la repetición de dos pasos básicos: listado y toma de
muestras.
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.

Hay dos puntos principales que un investigador debe tener en cuenta, para la creación de
estratos precisos:
 Comprensión de todos los elementos de una población
 Intención de investigación
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.

Pasos para realizar el muestreo por cuotas

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.

Cuando utilizar un muestreo por cuotas

En situaciones en las que los investigadores tienen criterios específicos para llevar a cabo la
investigación. Un rasgo o característica puede ser el filtro para la formación de subgrupos.
Se puede observar un análisis comparativo entre dos subgrupos utilizando la técnica de
muestreo por cuotas.
Hay casos en los que dos subgrupos (que no tienen ningún elemento en común) exhiben
rasgos extremadamente interconectados. En tales casos, este método de muestreo puede
ser extremadamente beneficioso.

Ventajas del muestreo por cuotas

 Debido a la participación de una cuota para la creación de muestras, este proceso de

muestreo es rápido y sencillo.
 Usando el muestreo por cuotas y las preguntas de investigación apropiadas, la
interpretación de la información es un proceso muy conveniente para el investigador.
 La representación efectiva de una población puede hacerse usando el muestreo por
cuotas y no hay espacio para la sobrerrepresentación, ya que esta técnica de
muestreo ayuda a los investigadores a estudiar una población usando cuotas
específicas.
 El presupuesto necesario para ejecutar este método de muestreo es mínimo.