Instituto Politcnico Nacional

Escuela Superior de Turismo

Metodologa De La Investigacin Turstica
Del Valle Hernndez Samuel David
Fuentes Garca Laura Isabel
Mircoles 24 de junio de 2015

TIPOS DE MUESTREO
Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo,
aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo
probabilsticos y mtodos de muestreo no probabilsticos.
I. Muestreo probabilstico Los mtodos de muestreo probabilsticos son aquellos
que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que
todos los individuos tienen la misma probabilidad de ser elegidos para formar parte
de una muestra y, consiguientemente, todas las posibles muestras de tamao n
tienen la misma probabilidad de ser seleccionadas. Slo estos mtodos de
muestreo probabilsticos nos aseguran la representatividad de la muestra extrada
y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo
probabilsticos encontramos los siguientes tipos:
1.- Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1) se
asigna un nmero a cada individuo de la poblacin y 2) a travs de algn medio
mecnico (bolas dentro de una bolsa, tablas de nmeros aleatorios, nmeros
aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos
sujetos como sea necesario para completar el tamao de muestra requerido. Este
procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica
cuando la poblacin que estamos manejando es muy grande.
2.- Muestreo aleatorio sistemtico: Este procedimiento exige, como el anterior,
numerar todos los elementos de la poblacin, pero en lugar de extraer n nmeros
aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i, que es un
nmero elegido al azar, y los elementos que integran la muestra son los que ocupa
los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos de k en k,

siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la

muestra: k= N/n. El nmero i que empleamos como punto de partida ser un
nmero al azar entre 1 y k. El riesgo este tipo de muestreo est en los casos en
que se dan periodicidades en la poblacin ya que al elegir a los miembros de la
muestra con una periodicidad constante (k) podemos introducir una homogeneidad
que no se da en la poblacin. Imaginemos que estamos seleccionando una
muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5
ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k=10
siempre seleccionaramos o slo hombres o slo mujeres, no podra haber una
representacin de los dos sexos.
3.- Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan
los anteriores ya que simplifican los procesos y suelen reducir el error muestral
para un tamao dado de la muestra. Consiste en considerar categoras tpicas
diferentes entre s (estratos) que poseen gran homogeneidad respecto a alguna
caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio
de residencia, el sexo, el estado civil, etc.). Lo que se pretende con este tipo de
muestreo es asegurarse de que todos los estratos de inters estarn
representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio
simple o el estratificado para elegir los elementos concretos que formarn parte de
la muestra. En ocasiones las dificultades que plantean son demasiado grandes,
pues exige un conocimiento detallado de la poblacin. (Tamao geogrfico, sexos,
edades,...). La distribucin de la muestra en funcin de los diferentes estratos se
denomina afijacin, y puede ser de diferentes tipos: Afijacin Simple: A cada
estrato le corresponde igual nmero de elementos mustrales. Afijacin
Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la
poblacin en cada estrato. Afijacin ptima: Se tiene en cuenta la previsible
dispersin de los resultados, de modo que se considera la proporcin y la
desviacin tpica. Tiene poca aplicacin ya que no se suele conocer la desviacin.
4.- Muestreo aleatorio por conglomerados: Los mtodos presentados hasta ahora
estn pensados para seleccionar directamente los elementos de la poblacin, es
decir, que las unidades mustrales son los elementos de la poblacin. En el
muestreo por conglomerados la unidad muestral es un grupo de elementos de la
poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto,
etc., son conglomerados naturales. En otras ocasiones se pueden utilizar
conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los
conglomerados son reas geogrficas suele hablarse de "muestreo por reas". El
muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto
nmero de conglomerados (el necesario para alcanzar el tamao muestral

establecido) y en investigar despus todos los elementos pertenecientes a los

conglomerados elegidos.
II. Mtodos de muestreo no probabilsticos A veces, para estudios exploratorios, el
muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no
probabilsticos, aun siendo conscientes de que no sirven para realizar
generalizaciones (estimaciones inferenciales sobre la poblacin), pues no se tiene
certeza de que la muestra extrada sea representativa, ya que no todos los sujetos
de la poblacin tienen la misma probabilidad de ser elegidos. En general se
seleccionan a los sujetos siguiendo determinados criterios procurando, en la
medida de lo posible, que la muestra sea representativa. En algunas
circunstancias los mtodos estadsticos y epidemiolgicos permiten resolver los
problemas de representatividad aun en situaciones de muestreo no probabilstico,
por ejemplo los estudios de caso-control, donde los casos no son seleccionados
aleatoriamente de la poblacin. Entre los mtodos de muestreo no probabilsticos
ms utilizados en investigacin encontramos:
1.- Muestreo por cuotas: Tambin denominado en ocasiones "accidental". Se
asienta generalmente sobre la base de un buen conocimiento de los estratos de la
poblacin y/o de los individuos ms "representativos" o "adecuados" para los fines
de la investigacin. Mantiene, por tanto, semejanzas con el muestreo aleatorio
estratificado, pero no tiene el carcter de aleatoriedad de aqul. En este tipo de
muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que
renen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40
aos, de sexo femenino y residentes en Gijn. Una vez determinada la cuota se
eligen los primeros que se encuentren que cumplan esas caractersticas. Este
mtodo se utiliza mucho en las encuestas de opinin.
2.- Muestreo intencional o de conveniencia: Este tipo de muestreo se caracteriza
por un esfuerzo deliberado de obtener muestras "representativas" mediante la
inclusin en la muestra de grupos supuestamente tpicos. Es muy frecuente su
utilizacin en sondeos preelectorales de zonas que en anteriores votaciones han
marcado tendencias de voto. Tambin puede ser que el investigador seleccione
directa e intencionadamente los individuos de la poblacin. El caso ms frecuente
de este procedimiento el utilizar como muestra los individuos a los que se tiene
fcil acceso (los profesores de universidad emplean con mucha frecuencia a sus
propios alumnos).
3.- Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y
estos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea
muy frecuentemente cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc.

4.- Muestreo Discrecional A criterio del investigador los elementos son elegidos
sobre lo que l cree que pueden aportar al estudio.

TIPOS DE MUESTRA ESTADSTICA

De conveniencia: esta clase de muestra, tambin conocido bajo el nombre de
muestra por seleccin, es aquella en la que se eligen casos particulares
intentando que estos sean los ms representativos posible del universo. El
problema es que la representatividad de cada caso es determinada por el propio
investigador de manera subjetiva, lo que dificulta la objetividad de la misma. Es
por esto que esta muestra estadstica es poco recomendable, aunque hay casos
en los que es la nica opcin posible. Generalmente, estas muestras, tambin
conocidas como no probabilsticas, son las que se utilizan para estudios
exploratorios, cuando an ni siquiera se conocen los rasgos del universo. Si bien
no permiten formular generalidades de dicho universo, permite tener un primer
contacto con el mismo, de manera menos costosa. De todas formas, para llevar
adelante una muestra de conveniencia resulta algo complejo efectuar
estratificaciones para su confeccin, puesto que no se tiene un conocimiento
acertado del universo en cuestin.
Muestras casuales: en este caso, un encuestador se encarga de elegir al azar a
personas que encuentren en algn punto especfico, como puede ser una esquina
o la puerta de un shopping, y all hacerle una serie de preguntas. Lo que puede
ocurrir es que el encuestador se gue por la apariencia fsica de las personas,
antes de acercrsele a hacerle las preguntas correspondientes. Por ejemplo, si se
quiere hacer un estudio de mercado sobre un producto femenino que est a la
venta, orientado a mujeres de ms de 40 aos, el encuestador se va a limitar a
acercarse a aquellas mujeres que parezcan superar la edad en cuestin.
Aleatoria: a diferencia de la muestra anterior, en esta todos los elementos que
integran el universo tienen exactamente la misma probabilidad de ser elegidos
para conformarla, puesto que se los selecciona al azar. Para conformar las
muestras aleatorias existen distintas variantes:
1. Muestra aleatoria simple: para conformar este tipo de muestra se
confecciona un listado en el que figuren todos los elementos que la
integran. Luego de esto, se elige al azar una cantidad de elementos que
sea considerada como representativa del universo. Algunos de los
beneficios de conformar estas muestras es que son fciles de conformar y,
al mismo tiempo, las medias pueden ser calculadas con rapidez. Por otro
lado, con los avances que ha habido en tecnologa en los ltimos aos,
existen varios programas informticos que facilitan y agilizan su confeccin
y anlisis. Los problemas que puede acarrear esta variante es que resulta

necesario contar con un listado de los elementos que la componen, lo que a

veces resulta imposible o al menos complicado de conseguir. Adems, se
debe tener en cuenta que en aquellos universos que sean reducidos, este
tipo de muestra resulta poco representativa, por lo que no es la ms
adecuada.
2. Muestra sistemtica: a diferencia de la anterior, en esta muestra slo se
elige al azar el primer elemento, para luego elegir, en base a esta eleccin,
al resto, en intervalos regulares. Esto significa que se sistematiza la
eleccin de los elementos que conformarn a la muestra. A diferencia del
caso anterior, en estas muestras no se requiere un listado de los elementos
que integran al universo, lo que hace que sean ms fciles de efectuarse.
Adems, si la poblacin se encuentra ordenada, puede conformarse una
muestra que sea sumamente representativa del universo a estudiar. De
todas formas, un problema que puede presentar esta variante es que si la
constante con la que se realiza el muestreo se encuentra asociada de
alguna manera con el fenmeno, la muestra obtenida puede estar sesgada,
perdiendo representatividad.
3. Muestra aleatoria por conglomerados: para conformar esta clase de
muestra, lo que hace el investigador es dividir al universo en distintos
grupos. La conformacin de los mismos debe ser tal que hayan semejanzas
entre los mismos para luego elegir algunos grupos y dejar a otros de lado.
Si bien la realizacin de la muestra aleatoria por conglomerados lleva ms
tiempo e incluso puede ser ms costosa, resulta ser una de las opciones
ms representativas, por lo que los resultados obtenidos sern muy
prximos a la realidad. Las muestras aleatorias por conglomerados resultan
ser muy eficientes en aquellos casos donde el universo a estudiar sea muy
complejo y de gran tamao. Otra ventaja es que tampoco requiere un
listado de los miembros que lo conformen, lo que facilita la realizacin de la
muestra. De todas formas, algunas desventajas de esta opcin es que su
representatividad es menor que el de las muestras simples o estratificadas.
4. Muestra aleatoria estratificada: en este caso, los elementos tambin se
eligen de manera aleatoria. La diferencia de esta variante es que
previamente el universo se divide en grupos, tomando en cuenta
determinados criterios y, una vez hecho esto, se eligen al azar los
elementos de la muestra. La conformacin de los grupos suele hacerse
tomando en cuenta algn criterio que sea significativo para llevar adelante
la investigacin. Si los criterios son elegidos de forma adecuada, las
muestras
aleatorias
estratificadas
pueden
resultar
sumamente
representativas del universo a estudiar.

5. Muestra mixta: en aquellos universos que son sumamente complejos y por

tanto resulta difcil confeccionar una muestra que sea representativa, los
investigadores optan por confeccionar muestras combinando dos o ms de
las opciones antes explicadas.