Muestreo Probabilístico

Conocido también como “muestreo aleatorio”, utiliza el azar y las estadísticas como

instrumentos de selección, pudiéndose calcular de antemano la probabilidad de que cada

elemento de la población sea incluido en la muestra. Este tipo de muestreo es el que alcanza

mayor rigor científico, y se caracteriza porque se cumple el principio de la equi‐probabilidad,

según el cual todos los elementos de la población tienen la misma probabilidad de ser elegidos

en una muestra. Las muestras probabilísticas siempre son representativas de la población. Y

como son representativas, con este muestreo se puede generalizar con precisión los resultados

a la población. La muestra probabilística es la más adecuada para identificar índices y

describir poblaciones mediante muestras. Por eso, este tipo de muestreo es típico y necesario

cuando estás realizando investigaciones cuantitativas, descriptivas y correlacionales.

Los muestreos probabilísticos son los más costosos. Requieren más tiempo y recursos. Es

más lento y complicado. Sin embargo, su costo vale la pena porque los resultados se pueden

generalizar a toda la población.

Tipos de Muestreo Probabilístico

“muestreo por azar” o muestreo probabilístico presenta varios tipos:

a) Muestreo aleatorio simple.

b) Muestreo sistemático.

c) muestreo estratificado.

d) Muestreo por conglomerados

e) Muestreo polietápico.

Muestreo Aleatorio Simple

Definición:
 El muestreo aleatorio simple (M.A.S.) es la técnica de muestreo en la que todos los

elementos que forman el universo y que por lo tanto están descritos en el marco muestral,

tienen idéntica probabilidad de ser seleccionados para la muestra. Sería algo así como hacer

un sorteo justo entre los individuos del universo: asignamos a cada persona un boleto con un

número correlativo, introducimos los números en una urna y empezamos a extraer al azar

boletos. Todos los individuos que tengan un número extraído de la urna formarían la muestra.

Obviamente, en la práctica, estos métodos pueden automatizarse mediante el uso de

ordenadores.

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.

Interpretación

Para seleccionar el número de elementos de la población puedes recurrir al método de

lotería, una tabla de números aleatorios y los números generados de forma aleatoria mediante

un programa de computadora, es decir, al azar.

El método de lotería sólo funciona bien con pequeñas poblaciones de la muestra, es poco

práctico para su uso con poblaciones más grandes.

 Un ejemplo del uso del método de lotería sería la selección de una muestra aleatoria de

entre un grupo de 100 miembros. Se ponen todos los nombres en un recipiente y se van

sacando uno por uno hasta tener el tamaño suficiente de nuestra muestra.

Al utilizar el sistema de sorteo, los números que representa cada elemento de la población

objetivo son colocadas en chips (es decir, tarjetas, papel u otros objetos). Los chips se colocan

entonces en un recipiente y se mezclan. A continuación, a ciegas se seleccionan las fichas

desde el recipiente hasta que se haya obtenido el tamaño de muestra deseado. Las desventajas

de este método de selección es que consume mucho tiempo, y se limita a poblaciones

pequeñas.

El uso de números aleatorios, un método alternativo implica también la numeración de

miembros de la población de 1 a N. Luego, el tamaño de muestra de n tiene que ser

determinada por selección de los números al azar.

El uso de la tabla de números aleatorios similar a la que aparece a continuación puede

ayudar en gran medida con la aplicación de esta técnica de muestreo.

 En una tabla de números aleatorios no se sigue un patrón particular. Pueden ser leídos de

cualquier manera, es decir, horizontal, vertical, diagonal, hacia delante o hacia atrás. El

número de dígitos que se utiliza debe corresponder al tamaño total de la población objetivo.

Los números que el investigador encuentra que no concuerdan con los números asignados

a elementos de la población objetivo son ignorados. Este proceso de la tabla de números

aleatorios es un proceso tedioso, consume tiempo, y no se recomienda para grandes

poblaciones.

En su lugar, se pueden utilizar softwares estadísticos u hojas de cálculo para generar

números aleatorios. Los elementos de las poblaciones cuyos números asignados coinciden con

los números generados por el software son incluido en la muestra. Se puede seleccionar un

número de una tabla de números aleatorios para usarlo como el número de partida para el

procedimiento.

Subtipos de Muestreo Aleatorio Simple

Hay dos tipos de muestreo aleatorio simple: el muestreo con reemplazo y sin reemplazo.

En el muestreo con reemplazo, 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.

En el muestreo sin reemplazo, 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 y Desventajas del Muestreo Aleatorio Simple

Entre sus puntos fuertes están que 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. Te

recomiendo leer: Tipos de errores. Consejos para que tu investigación no caiga en ellos

Entre las desventajas están que 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 las 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.

Fortalezas Debilidades

En comparación con otros procedimientos En comparación con otros procedimientos de

de
muestreo probabilístico muestreo probabilístico

Cada combinación posible de muestreo No se aprovecha del conocimiento que el

tiene igual probabilidad de ser seleccionado. investigador podría tener de la población.

Puede tener errores de muestreo más grandes y

Más fácil de entender y comunicar a
menos precisión que otros diseños de muestreo
otros.
probabilístico con el mismo tamaño de la muestra.

Si subgrupos de la población tienen intereses

Tiende a producir muestras
particulares no pueden ser incluidos con un número
representativas.
suficiente en la muestra.

Los procedimientos estadísticos Si la población está muy dispersa, los costos por

necesarios para analizar errores de datos y de recolección de datos pueden ser más altos que los de

software de estadísticas son más fáciles. otros diseños de la muestra de probabilidad.

Fortalezas y Debilidades del Muestreo Aleatorio Simple

Dependiendo de si los individuos del universo pueden ser seleccionados más de una vez en

la muestra, hablaremos de M.A.S. con reposición o sin reposición.

Si usamos reposición, el hecho de que seleccione un individuo al azar para la muestra no

impediría que este mismo individuo pudiese volver a ser seleccionado en una siguiente

selección. Sería equivalente a decir que cada vez que se extrae un número al azar de la

urna, volvemos a colocar el número antes de la siguiente extracción. Si por el contrario no

usamos reposición, un individuo seleccionado para la muestra una vez ya no entraría

nuevamente en el sorteo.
 La pregunta obvia es, ¿qué es mejor, usar reposición o no usarla? Es un simple problema

matemático. César Pérez López, en su libro "Muestreo Estadístico" (Pearson, 2005) desarrolla

de forma muy clara una comparación entre ambas técnicas. Tanto si lo miramos desde el

punto de vista de qué técnica genera estimaciones más precisas como desde el punto de vista

de qué técnica permite tener la misma precisión con menor tamaño de muestra, se puede

concluir que el muestreo aleatorio simple sin reposición siempre es más eficiente.

Para poder observar este resultado, partimos de la siguiente expresión para el tamaño de

muestra en un M.A.S. sin reposición. La fórmula relaciona el

tamaño de muestra necesario cuando el universo es finito con el tamaño necesario cuando

el universo es infinito:

Donde n0 es el tamaño de muestra necesario para un universo infinito y N es el tamaño del

universo finito. Es posible demostrar que el tamaño de muestra cuando usamos reemplazo (n r)

es siempre igual al tamaño necesario para universo infinito (nr=n0). Si eso sucede, podemos

afirmar que

Por lo tanto, el tamaño de muestra cuando no usamos reposición siempre es menor al

necesario si usamos reposición. Este resultado coincide con la intuición: si estamos

empleando reposición y por azar incluimos un individuo más de una vez en la misma muestra,

el efecto es similar a reducir el tamaño de la muestra ya que observo menor diversidad de

individuos. Del mismo modo, si el universo es infinito, ambos métodos coinciden, dado que la

probabilidad de seleccionar al mismo individuo dos veces en la misma muestra tiende a ser

infinitamente pequeña.

Beneficios del Muestreo Aleatorio Simple

El desarrollo de la informática ha permitido que diseñar una muestra aleatoria simple sea

extremadamente rápido y fiable. La generación de números aleatorios mediante software

(estrictamente son números pseudo-aleatorios) es cada vez más fiable.

De esta forma, al usar M.A.S. nos aseguramos la obtención de muestras representativas, de

manera que la única fuente de error que va a afectar a mis resultados va a ser el azar. Y lo que

es más importante, este error debido al azar puede calcularse de forma precisa (o al menos

acotarse).

Inconvenientes del Muestreo Aleatorio simple

El único inconveniente del M.A.S. es la dificultad de llevarlo a la práctica

en investigaciones reales. Recordemos: al ser una técnica probabilística, es necesario un

marco muestral con todos los individuos y que todos ellos sean seleccionables para la

muestra. Un requisito que difícilmente puede cumplirse en la mayoría de estudios de mercado

y opinión reales, lo que nos obligará a emplear otras técnicas.