Los tipos de muestreo se dividen en dos familias: el muestreo probabilístico, en el que cada persona de la población tiene una probabilidad conocida y mayor que cero de ser elegida por azar (aleatorio simple, sistemático, estratificado y por conglomerados), y el muestreo no probabilístico, en el que la selección depende del acceso o del criterio del investigador (por conveniencia, por cuotas, intencional y bola de nieve). La diferencia clave es que solo el probabilístico permite generalizar los resultados a la población con un margen de error calculable; el no probabilístico es más barato y rápido, pero sus conclusiones se limitan a la muestra o exigen mucha prudencia.
En esta guía verás cada tipo con su definición, una tabla comparativa con ejemplos de TFG, qué implica cada uno para el tamaño de muestra y un párrafo modelo para describir el muestreo en tu metodología. Si ya sabes qué tipo usarás y lo que necesitas es el número de participantes, ve directamente a la calculadora de tamaño de muestra.
Población, marco muestral y muestra: tres conceptos previos
Antes de elegir un tipo de muestreo conviene tener claros tres términos que aparecen en cualquier metodología:
- Población: el conjunto completo de personas, centros u objetos sobre los que quieres sacar conclusiones (por ejemplo, todos los estudiantes de Enfermería de tu universidad).
- Marco muestral: la lista desde la que puedes seleccionar a esas personas (por ejemplo, el listado de matriculados que te facilita secretaría). Sin marco muestral es muy difícil hacer un muestreo probabilístico.
- Muestra: el subconjunto de la población que realmente participa en tu estudio.
La pregunta que responde el tipo de muestreo es: ¿cómo pasé de la población a la muestra? De esa respuesta depende cuánto puedes generalizar.
Qué es el muestreo probabilístico
En el muestreo probabilístico la selección se hace por azar y cada elemento de la población tiene una probabilidad conocida (no necesariamente igual) de entrar en la muestra. Gracias a eso puedes estimar el error de muestreo, construir intervalos de confianza y aplicar la inferencia estadística con todas sus garantías. Requiere un marco muestral y, a menudo, más tiempo y recursos.
Muestreo aleatorio simple
Todos los elementos tienen la misma probabilidad de ser elegidos. Se numera el marco muestral y se sortean los participantes con una tabla de números aleatorios o con un generador (en Excel, por ejemplo, con la función ALEATORIO). Es el modelo de referencia para casi todas las fórmulas de tamaño de muestra.
Muestreo sistemático
Se elige un punto de inicio al azar y luego se toma un elemento cada k posiciones de la lista, donde k = N / n (tamaño de la población entre tamaño de la muestra). Es más cómodo que el aleatorio simple, pero puede sesgarse si la lista tiene un orden periódico (por ejemplo, si cada décimo registro corresponde a un delegado de clase).
Muestreo estratificado
Se divide la población en grupos homogéneos llamados estratos (curso, sexo, tipo de centro…) y se hace un muestreo aleatorio dentro de cada uno. La afijación puede ser proporcional (cada estrato aporta según su peso en la población) o igual (el mismo número por estrato). Garantiza que todos los subgrupos importantes estén representados y suele mejorar la precisión.
Muestreo por conglomerados
En lugar de seleccionar personas, se seleccionan al azar grupos naturales (aulas, colegios, centros de salud) y se estudia a todos o parte de sus miembros. Es muy práctico cuando no existe una lista de personas pero sí de grupos. Su inconveniente es que las personas de un mismo conglomerado se parecen entre sí, lo que reduce la precisión y obliga a una muestra mayor.
Qué es el muestreo no probabilístico
En el muestreo no probabilístico no se conoce la probabilidad de que cada persona entre en la muestra, porque la selección no es aleatoria: depende de quién está disponible, de quién decide responder o del criterio del investigador. Es el más frecuente en los TFG por falta de tiempo y de marco muestral. No invalida el trabajo, pero sí limita lo que puedes afirmar sobre la población.
Muestreo por conveniencia
Se incluye a quienes son accesibles: compañeros de clase, usuarios de una consulta, personas que responden a un formulario difundido en redes. Es el más sencillo y el más expuesto a sesgos (por ejemplo, quienes responden voluntariamente suelen estar más interesados en el tema).
Muestreo por cuotas
Se fijan cuotas para que la muestra reproduzca algunas proporciones conocidas de la población (por ejemplo, 60 % mujeres y 40 % hombres, o un número por curso) y se rellenan con personas accesibles. Se parece al estratificado, pero dentro de cada cuota la selección no es aleatoria.
Muestreo intencional o por juicio
El investigador elige deliberadamente a las personas que cumplen unos criterios porque aportan información relevante (por ejemplo, enfermeras con más de diez años en cuidados paliativos). Es habitual en investigación cualitativa y en estudios de expertos.
Muestreo de bola de nieve
Los primeros participantes reclutan o recomiendan a otros con las mismas características, y así sucesivamente. Se usa con poblaciones difíciles de localizar o sin listado (personas cuidadoras no profesionales, colectivos minoritarios). La muestra tiende a parecerse a las redes de los primeros participantes.
Tabla comparativa de los tipos de muestreo
| Tipo | Cómo se selecciona | Ventajas | Límites | Ejemplo de TFG |
|---|---|---|---|---|
| Aleatorio simple | Sorteo sobre la lista completa | Base de la inferencia; fácil de justificar | Necesita marco muestral completo | Sorteo de 180 estudiantes entre los 350 matriculados en un grado |
| Sistemático | Inicio al azar y uno cada k elementos | Sencillo de aplicar sobre listas | Sesgo si la lista tiene periodicidad | Uno de cada 10 pacientes del registro de un centro de salud |
| Estratificado | Aleatorio dentro de cada estrato | Representa subgrupos; más precisión | Hay que conocer el tamaño de cada estrato | Muestra proporcional por curso (1.º a 4.º) en una facultad |
| Por conglomerados | Sorteo de grupos completos | Barato si la población está dispersa | Menos preciso; requiere más casos | Sorteo de 6 colegios y encuesta a todo 6.º de primaria |
| Por conveniencia | Personas accesibles o voluntarias | Rápido y barato | Sesgo de selección; generalización muy limitada | Formulario en línea difundido en grupos de clase |
| Por cuotas | Accesibles hasta completar cuotas fijadas | Reproduce algunas proporciones de la población | Sin azar dentro de las cuotas | 50 % de primer ciclo y 50 % de segundo ciclo en un instituto |
| Intencional | Elegidos por cumplir criterios relevantes | Información rica de casos clave | Depende del juicio del investigador | Entrevistas a 12 orientadores con experiencia en inclusión |
| Bola de nieve | Los participantes reclutan a otros | Llega a poblaciones ocultas | Muestra ligada a las redes iniciales | Personas cuidadoras de familiares con alzhéimer |
Qué implica cada tipo para generalizar y para el tamaño de muestra
El tipo de muestreo no es un detalle formal: condiciona lo que puedes concluir y cómo debes calcular cuántos participantes necesitas.
- Aleatorio simple y sistemático: son los supuestos de las fórmulas habituales. Puedes calcular el tamaño con la calculadora de tamaño de muestra y, si conoces el tamaño exacto de la población, aplicar la corrección de la calculadora de población finita. Con la muestra obtenida, el margen de error tiene una interpretación directa.
- Estratificado: el tamaño total se calcula igual que en el aleatorio simple y luego se reparte entre los estratos. Si vas a comparar estratos entre sí, cada uno necesita suficientes casos por su cuenta.
- Por conglomerados: las fórmulas del aleatorio simple se quedan cortas, porque las personas de un mismo grupo se parecen. En la práctica se aumenta el tamaño calculado (se aplica el llamado efecto de diseño) y se informa que el análisis tiene en cuenta los conglomerados.
- No probabilísticos (conveniencia, cuotas, intencional, bola de nieve): las fórmulas pueden servir como referencia orientativa de cuántos casos buscar, pero el margen de error resultante no tiene la misma garantía, porque no hubo azar. Es honesto decirlo en el apartado de limitaciones: los resultados describen la muestra y se extienden a la población solo con cautela.
Una muestra grande no corrige un muestreo sesgado: 1.000 respuestas de un formulario difundido en redes siguen siendo una muestra por conveniencia. Para estudios cualitativos con muestreo intencional no se usa el cálculo estadístico, sino el criterio de saturación de la información.
Cuál elegir para tu TFG
Hazte estas tres preguntas:
- ¿Tengo una lista completa de la población? Si la tienes (o puedes pedirla), un muestreo aleatorio simple, sistemático o estratificado está a tu alcance y reforzará mucho tu trabajo.
- ¿La población está organizada en grupos naturales? Si no hay lista de personas pero sí de aulas o centros, valora el muestreo por conglomerados.
- ¿Es una población pequeña, oculta o un estudio cualitativo? Entonces el intencional o la bola de nieve son razonables. Si el tiempo manda, la conveniencia es aceptable para un TFG siempre que lo declares y lo discutas.
Si quieres reforzar una muestra por conveniencia, puedes fijar cuotas por las variables más importantes (sexo, curso, edad) y comparar después la composición de tu muestra con los datos conocidos de la población.
Cómo describir el muestreo en la metodología
En el apartado de participantes o de muestra conviene responder siempre a lo mismo: cuál es la población, qué tipo de muestreo usaste, cómo seleccionaste a las personas en la práctica, qué criterios de inclusión y exclusión aplicaste, cuántas personas invitaste y cuántas participaron, y cómo calculaste o justificaste el tamaño. Si tus variables están ya definidas, enlázalo con tu operacionalización de variables.
Párrafo modelo (adáptalo a tu caso):
«La población estuvo formada por los 350 estudiantes matriculados en el grado de Enfermería de la universidad durante el curso académico. Se utilizó un muestreo aleatorio estratificado con afijación proporcional por curso, a partir del listado de matrícula facilitado por la secretaría del centro. El tamaño de la muestra se calculó para un nivel de confianza del 95 %, un margen de error del 5 % y p = 0,5, con corrección para población finita, lo que dio un mínimo de 184 participantes. Se incluyó a estudiantes matriculados que aceptaron participar mediante consentimiento informado y se excluyó a quienes estaban de intercambio. De los 230 estudiantes invitados, respondieron 196 (tasa de respuesta del 85,2 %).»
Si tu muestreo fue no probabilístico, dilo con la misma claridad: «Se empleó un muestreo no probabilístico por conveniencia: el cuestionario se difundió en los grupos de clase de los cuatro cursos…», y añade en las limitaciones que los resultados no pueden generalizarse sin reservas.
Ejemplo práctico (ilustrativo)
Caso inventado con fines didácticos. Lucía prepara un TFG sobre hábitos de sueño en los 350 estudiantes de su facultad, repartidos en cuatro cursos de 100, 90, 85 y 75 personas.
- Tamaño de muestra: con 95 % de confianza, margen de error del 5 % y p = 0,5, la calculadora de población finita indica 184 estudiantes.
- Muestreo estratificado proporcional: reparte los 184 según el peso de cada curso: 100/350 × 184 ≈ 53; 90/350 × 184 ≈ 47; 85/350 × 184 ≈ 45; 75/350 × 184 ≈ 39 (en total, 184).
- Selección aleatoria: en cada curso sortea a los estudiantes en una hoja de cálculo y les envía la invitación.
- Previsión de no respuesta: como espera que contesten unos 8 de cada 10, invita a 230 en total, manteniendo la proporción por curso.
Si Lucía no hubiera podido acceder al listado de matrícula y hubiera difundido el cuestionario por los grupos de clase, su muestreo sería por conveniencia, aunque obtuviera 184 respuestas o más, y tendría que describirlo así.
Preguntas frecuentes sobre los tipos de muestreo
¿Cuál es la diferencia entre muestreo probabilístico y no probabilístico?
En el probabilístico la selección es aleatoria y cada elemento tiene una probabilidad conocida de ser elegido, lo que permite generalizar con un margen de error calculable. En el no probabilístico la selección depende del acceso o del criterio del investigador, y la generalización es limitada.
¿Es válido un muestreo por conveniencia en un TFG?
Sí, es muy habitual y suele aceptarse, siempre que lo nombres correctamente, describas cómo reclutaste a los participantes y reconozcas en las limitaciones que los resultados no se pueden extender a toda la población sin cautela.
¿En qué se diferencia el muestreo estratificado del muestreo por cuotas?
Los dos dividen la población en grupos, pero en el estratificado la selección dentro de cada grupo es aleatoria y en el de cuotas no: se toma a las personas accesibles hasta completar el número fijado.
¿Y el estratificado del muestreo por conglomerados?
En el estratificado se seleccionan personas de todos los estratos; en el de conglomerados se sortean algunos grupos completos y se estudia a sus miembros. Los estratos son internamente homogéneos; los conglomerados conviene que sean variados por dentro.
¿Puedo calcular el tamaño de muestra si mi muestreo no es probabilístico?
Puedes usar la calculadora de tamaño de muestra como referencia para fijar un objetivo de participantes, pero explica que el margen de error obtenido es orientativo, porque la fórmula supone una selección aleatoria.
¿Una encuesta en Google Forms es un muestreo aleatorio?
Solo si envías el enlace a personas sorteadas previamente desde una lista. Si lo difundes en abierto y responde quien quiere, es un muestreo por conveniencia (de voluntarios), aunque la herramienta sea la misma.