Selección de la muestra

Ideas preliminares
En las actividades de investigación científica y tecnológica es muy útil el empleo de
muestras. El análisis de una muestra permite inferir conclusiones susceptibles de
generalización a la población de estudio con cierto grado de certeza (Holguin y Hayashi, 1993).
Al desarrollar un proyecto de investigación “el total de observaciones en las cuales se
está interesado, sea su número finito o infinito, constituye lo que se llama una población,”
(Walpole y Myers, 1996). La muestra es una pequeña parte de la población estudiada.
La muestra debe caracterizarse por ser representativa de la población. De acuerdo con Briones
(1995) “una muestra es representativa cuando reproduce las distribuciones y los valores de las
diferentes características de la población..., con márgenes de error calculables,”.
Los anteriores conceptos reflejan que al analizar una muestra se está aplicando la
inferencia estadística con el propósito de “... conocer clases numerosas de objetos, personas o
eventos a partir de otras relativamente pequeñas, compuestas por los mismos elementos,”
(Glass y Stanley, 1994).

Son Ejemplos de muestreo:

 Las aplicaciones económicas.
 Investigaciones de mercado en poblaciones humanas.
 Las auditorias en las empresas, muestrean las facturas o las cuentas para hacer de ellas
inferencias a la población.
 Problemas de los recursos humanos en las empresas en donde se hace un muestreo
para saber el cumplimiento de nuevos métodos de producción.
 Sondeos de Opinión: en elecciones sobre los candidatos, en escuelas sobre profesores,
alumnos, grupos, facultades, años, grupos y especialidades, entre otros, por parte de la
dirección.
 La aplicación de instrumentos en diferentes temas de investigación.
 Otras.

¿Por qué Muestrear?

La alternativa es intentar obtener información de cada elemento de la población. Esto se conoce
como CENSO en lugar de muestreo. Hay tres razones importantes por las cuales es mejor
aplicar una Muestra y no un Censo:
 Realizar un Censo completo sería muy costoso o prohibitivo en algunos casos.
 Muchas veces se necesita obtener la información con rapidez, un censo completo sería
muy demorado y costoso, se podrían obtener resultados cuando ya no sea necesario.
 Con los métodos estadísticos modernos generalmente es posible obtener resultados con
el nivel de precisión deseado mediante el muestreo. El tiempo y el dinero que se gaste
en producir resultados cuya precisión supere las necesidades del investigador estaría
mejor gastado en cualquier otra cosa.

¿En una investigación siempre tenemos una muestra?

No siempre, pero en la mayoría de las situaciones sí realizamos el estudio en una muestra. Sólo
cuando queremos efectuar un censo debemos incluir todos los casos (personas, animales,
plantas, objetos) del universo o la población. Por ejemplo, los estudios motivacionales en
empresas suelen abarcar a todos sus empleados para evitar que los excluidos piensen que su
opinión no se toma en cuenta. Las muestras se utilizan por economía de tiempo y recursos.

2018
1
 Metodología de la investigación para ingeniería

Lo primero: ¿sobre qué o quiénes se recolectarán datos?

Aquí el interés se centra en “qué o quiénes”, es decir, en los participantes, objetos,
sucesos o colectividades de estudio (las unidades de muestreo), lo cual depende del
planteamiento y los alcances de la investigación.1 Así, en la situación en que el objetivo sea
Unidades de muestreo Se les denomina
describir el uso que hacen los niños de la televisión, lo
también casos o elementos más factible sería interrogar a un grupo de niños.
También serviría entrevistar a los padres de los niños.
Escoger entre los niños o sus padres, o ambos, dependería no sólo del objetivo de la
investigación, sino del diseño de ésta. En el caso de la investigación, en la que el propósito
básico del estudio es describir la relación entre los niños y la televisión, se podría determinar
que los participantes seleccionados para el estudio fueran niños que respondieran sobre sus
conductas y percepciones relacionadas con este medio de comunicación.
En otro estudio de Greenberg, Ericson y Vlahos (1972), el objetivo de análisis era
investigar las discrepancias o semejanzas en las opiniones de madres e hijos con respecto a la
costumbre de mirar la televisión de estos últimos. La finalidad del estudio supuso la selección
de mamás y niños, para entrevistarlos por separado, correlacionando posteriormente la
respuesta de cada par de madre e hijo.
Lo anterior quizá parezca obvio, pues los objetivos de los dos ejemplos mencionados
son claros. Sin embargo, en la práctica no es tan simple para muchos estudiantes, que en
propuestas de investigación y de tesis no logran una coherencia entre los objetivos de la
investigación y la unidad de muestreo/análisis.
Por tanto, para seleccionar una muestra, lo primero que hay que hacer es definir la
unidad de muestreo/análisis (si se trata de individuos, organizaciones, periodos,
comunidades, situaciones, piezas producidas, eventos, etc.). Una vez definida la unidad de
muestreo/análisis se delimita la población.
Para el proceso cuantitativo, la muestra es un
Muestra Subgrupo del universo o
subgrupo de la población de interés sobre el cual se población del cual se recolectan los datos
recolectarán datos, y que tiene que definirse y y que debe ser representativo de ésta
delimitarse de antemano con precisión, además de que
debe ser representativo de la población. El investigador pretende que los resultados
encontrados en la muestra se generalicen o extrapolen a la población (en el sentido de la
validez externa que se comentó al hablar de experimentos). El interés es que la muestra sea
estadísticamente representativa. La esencia del muestreo cuantitativo podría esquematizarse
como se presenta en la figura 1.

Figura 1. Esencia del muestreo cuantitativo

2018
2
Selección de la muestra

Tipos de muestra
Básicamente, categorizamos las muestras en dos grandes ramas: las muestras no probabilísticas
y las muestras probabilísticas. En las muestras
Muestra probabilística Subgrupo de la
probabilísticas, todos los elementos de la población población en el que todos los elementos
tienen la misma posibilidad de ser escogidos para la tienen la misma posibilidad de ser elegidos.
muestra y se obtienen definiendo las características de la
población y el tamaño de la muestra, y por medio de una
selección aleatoria o mecánica de las unidades de muestreo/análisis. se va formando en el
momento del sorteo. En las loterías tradicionales, a partir de las esferas con un dígito que se
extraen (después de revolverlas mecánicamente) hasta formar el número, de manera que todos
los números tienen la misma probabilidad de ser elegidos.

En las muestras no probabilísticas, la elección

Muestra no probabilística o dirigida
de los elementos no depende de la probabilidad, sino de Subgrupo de la población en la que la
causas relacionadas con las características de la elección de los elementos no depende de
la probabilidad, sino de las características
investigación o los propósitos del investigador (Johnson, de la investigación.
2014, Hernández-Sampieri et al., 2013 y Battaglia, 2008b).
Aquí el procedimiento no es mecánico ni se basa en fórmulas de probabilidad, sino que
depende del proceso de toma de decisiones de un investigador o de un grupo de
investigadores y, desde luego, las muestras seleccionadas obedecen a otros criterios de
investigación. Elegir entre una muestra probabilística o una no probabilística depende del
planteamiento del estudio, del diseño de investigación y de la contribución que se piensa hacer
con ella. Para ilustrar lo anterior mencionaremos tres ejemplos que toman en cuenta dichas
consideraciones.

¿Cómo se selecciona una muestra probabilística?

Resumiremos diciendo que la elección entre la muestra probabilística y la no probabilística se
hace según el planteamiento del problema, las hipótesis, el diseño de investigación y el alcance
de sus contribuciones.
Las muestras probabilísticas tienen muchas ventajas; quizá la principal sea que
puede medirse el tamaño del error en nuestras predicciones. Se ha dicho incluso que el
principal objetivo del diseño de una muestra probabilística es reducir al mínimo este error, al
que se le llama error estándar (Johnson, 2014; Brown, 2006; Kalton y Heeringa, 2003; y Kish,
1995).
Las muestras probabilísticas son esenciales en los diseños de investigación
transeccionales, tanto descriptivos como correlacionales-causales (las encuestas de opinión
o sondeos, por ejemplo), donde se pretende hacer estimaciones de variables en la población.
Estas variables se miden y se analizan con pruebas estadísticas en una muestra, de la que se
presupone que ésta es probabilística y que todos los elementos de la población tienen una
misma probabilidad de ser elegidos. Las unidades o elementos muestrales tendrán valores muy
parecidos a los de la población, de manera que las mediciones en el subconjunto nos darán
estimados precisos del conjunto mayor. La precisión de dichos estimados depende del error en
el muestreo, que es posible calcular. Esto se representa en la figura 2.

2018
3
 Metodología de la investigación para ingeniería

Figura 2. Esquema de la generalización de la muestra a la población.

Para hacer una muestra probabilística son necesarios dos procedimientos:

1. Calcular un tamaño de muestra que sea representativo de la población.
2. Seleccionar los elementos muestrales (casos) de manera que al inicio todos tengan la misma
posibilidad de ser elegidos.

Dentro del muestreo probabilístico existen varias formas de muestreo, de acuerdo al problema
que se quiera estudiar:

Muestras aleatorias simples

La forma más común para obtener una muestra representativa es la selección al azar
(aleatoria). Básico. Para tener la seguridad de que cada uno de los individuos de la población
tienen la misma posibilidad de ser elegidos debe emplearse una tabla de números aleatorios,
que se encuentran en los libros de estadística. Consiste en seleccionar un grupo de n unidades
muestrales de tal manera que cada muestra de tamaño n tenga la misma oportunidad de ser
seleccionada. Se recomienda también utilizar algún programa estadístico. Es posible también
calcular el tamaño de muestra mediante las fórmulas clásicas que se han desarrollado, pero es
más tardado y el resultado es el mismo o muy similar al que proporcionan los programas
estadísticos.

Muestra probabilística estratificada

En ocasiones, el interés del investigador es comparar sus
Muestra probabilística estratificada
resultados entre segmentos, grupos o nichos de la Muestreo en el que la población se divide
población, porque así lo señala el planteamiento del en segmentos y se selecciona una
problema. Por ejemplo, efectuar comparaciones por muestra para cada segmento.
género (entre hombres y mujeres), si la selección de la
muestra es aleatoria, tendremos unidades o elementos de ambos géneros, no hay problema, la
muestra reflejará a la población. Ahora bien, en ocasiones nos interesan grupos que
constituyen minorías de la población o universo, y entonces, si la muestra es aleatoria simple,
resultará muy difícil determinar qué elementos o casos de tales grupos serán seleccionados.
Imaginemos que nos interesan personas de todas las religiones para contrastar ciertos datos,
pero en la ciudad donde se efectuará el estudio la mayoría es —por ejemplo—
predominantemente católica. Con MAS es casi seguro que no elijamos individuos de diversas
religiones o sólo unos cuantos. No podríamos efectuar las comparaciones. Quizá tengamos 300
católicos y cinco o seis de otras religiones. Entonces es cuando preferimos obtener una muestra
probabilística estratificada (el nombre nos dice que será probabilística y que se considerarán
segmentos o grupos de la población, o lo que es igual: estratos).
Ejemplos de estratos en la variable religión serían: católicos, cristianos, protestantes,
judíos, mahometanos, budistas, etc. Y de la variable grado o nivel de estudios: preescolar,
primaria, secundaria, bachillerato, universidad (o equivalente) y posgrado. Podemos tener
estratos por diferentes tamaños de empresas, tipos de enfermedades, altura de edificios,
etcétera.
2018
4
Selección de la muestra

En la muestra estratificada la representación de los elementos en los estratos es

proporcional a su representación en la población.
Proceso de dos pasos en el que la población se divide en estratos. Los estratos deben ser
de forma que a cada elemento de la población le corresponda un solo estrato.
Los elementos se seleccionan de cada estrato por medio de un procedimiento aleatorio, por lo
general a través de un muestreo aleatorio simple. Los elementos en un estrato deben ser lo más
homogéneos posibles.
Motivos para la utilización del muestreo aleatorio estratificado:
 El límite de error de estimación es menor, siempre que las mediciones dentro de los
estratos sean homogéneas.
 El costo por observación de la encuesta por estratificación se puede reducir.
 Se pueden obtener estimaciones de parámetros poblacionales para subgrupos de la
población o estratos.

Muestreo probabilístico por racimos

En algunos casos en que el investigador se ve limitado por recursos financieros, tiempo,
distancias geográficas y otros obstáculos, se recurre al muestreo por racimos o clusters
(conglomerados). En este tipo de muestreo se reducen costos, tiempo y energía, al considerar
que a veces las unidades de muestreo/análisis se encuentran encapsuladas o encerradas en
determinados lugares físicos o geográficos, a los que se denomina racimos. En la tabla 1 se dan
algunos ejemplos. En la primera columna se encuentran unidades de muestreo/análisis que
frecuentemente vamos a estudiar. En la segunda columna se sugieren posibles racimos donde
se encuentran dichos elementos.

Tabla 1 Ejemplo de racimos o clusters

Muestrear por racimos implica diferenciar entre la unidad de análisis y la unidad muestral. La
unidad de análisis indica quiénes van a ser medidos, es decir, los participantes o casos a
quienes en última instancia vamos a aplicar el instrumento de medición. La unidad muestral
(en este tipo de muestra) se refiere al racimo por medio del
Muestra probabilística por racimos
Muestreo en el que las unidades se cual se logra el acceso a la unidad de análisis. El muestreo
encuentran encapsuladas en por racimos supone una selección en dos o más etapas,
determinados lugares físicos. todas con procedimientos probabilísticos. En la primera, se
seleccionan los racimos siguiendo los pasos ya señalados de
una muestra probabilística simple o estratificada. En las fases subsecuentes, y dentro de estos
racimos, se seleccionan los casos que van a medirse. Para ello se hace una selección que asegure
que todos los elementos del racimo tienen la misma probabilidad de ser elegidos.
Por ejemplo, en una muestra nacional de ciudadanos de un país por clusters o racimos,
podríamos primero elegir al azar una muestra de estados, provincias o departamentos
(primera etapa). Luego, cada estado o provincia se convierte en un universo y se seleccionan al
azar municipios (segunda etapa); cada municipio se considera un universo o población y se
eligen al azar comunidades o colonias (tercera etapa); cada una de éstas se concibe como
universo y de nuevo, al azar, se eligen manzanas o cuadras (cuarta etapa). Por último, se
escogen al azar viviendas u hogares e individuos (quinta etapa).
2018
5
 Metodología de la investigación para ingeniería

En ocasiones se combinan tipos de muestreo, por ejemplo: una muestra probabilística

estratificada y por racimos, pero siempre se utiliza una selección aleatoria que garantiza que al
inicio del procedimiento todos los elementos de la población tienen la misma probabilidad de
ser elegidos para integrar la muestra.

¿Cómo se lleva a cabo el procedimiento

de selección de la muestra?
Cuando iniciamos nuestra exposición sobre la muestra probabilística, señalamos que los tipos
de muestra dependen de dos características: el tamaño de la muestra y el procedimiento de
selección.
De lo primero ya hemos hablado. Ahora nos ocuparemos del procedimiento de selección. Se
determina el tamaño de la muestra n, pero ¿cómo seleccionar los elementos muestrales? (ya
sean casos o racimos). Las unidades de análisis o los elementos muestrales se eligen siempre
aleatoriamente para asegurarnos de que cada elemento tenga la misma probabilidad de ser
elegido. Se utilizan básicamente tres procedimientos de selección, de los cuales a continuación
se mencionan dos de ellos.

Tómbola
Muy simple pero muy rápido, consiste en numerar todos los elementos muestrales de la
población, del uno al número N. Después se hacen fichas o papeles, uno por cada elemento, se
revuelven en una caja y se van sacando n número de fichas, según el tamaño de la muestra.
Los números elegidos al azar conformarán la muestra. Cuando nuestro muestreo es
estratificado, se sigue el procedimiento anterior, pero por cada estrato.

Números aleatorios (random numbers)

Éste es el procedimiento efectuado a través de algunos programas estadísticos y es función
incluida en algunas calculadoras científicas.

Selección sistemática de elementos muestrales

Este procedimiento de selección es muy útil e implica elegir dentro de una población N un
número n de elementos a partir de un intervalo K. Este último (K) es un intervalo que se
determina por el tamaño de la población y el tamaño de la muestra. Así, tenemos que K = N/n,
en donde K = un intervalo de selección sistemática, N = la población y n = la muestra.

Listados y otros marcos muestrales

Las muestras probabilísticas requieren la determinación del tamaño de la muestra y de un
proceso de selección aleatoria que asegure que todos los elementos de la población tengan la
misma probabilidad de ser elegidos. Todo esto ya fue visto, aunque falta exponer algo esencial
que precede a la selección de una muestra: el marco
Marco muestral Es un marco de
muestral. Éste constituye un marco de referencia que nos referencia que nos permite identificar
permite identificar físicamente los elementos de la físicamente los elementos de la
población, la posibilidad de enumerarlos y, por ende, de población, así como la posibilidad de
enumerarlos y seleccionar las unidades
proceder a la selección de las unidades muestrales (los muestrales.
casos de la muestra) (Morgan, 2008 y Sudman, 1976).

2018
6
Selección de la muestra

Normalmente se trata de un listado existente o una lista que es necesario confeccionar ad hoc,
con los casos de la población.
Los listados existentes de una población son variados: guías telefónicas, listas de miembros de
las asociaciones, directorios especializados, listas oficiales de escuelas de la zona, bases de
datos de los alumnos de una universidad o de los clientes de una empresa, registros médicos,
catastros, nóminas de una organización, padrones de exportadores, inventarios de productos y
almacén, etc. En todo caso hay que tener en cuenta lo completo de una lista, su exactitud, su
veracidad, su fiabilidad y su nivel de cobertura en relación con el problema que se investiga y
la población que va a medirse, ya que todos estos aspectos influyen en la selección de la
muestra (Ryan, 2013 y Schroeder, 2008).
Por ejemplo, para algunas encuestas se considera que el directorio telefónico (o guía
telefónica) es muy útil. Sin embargo, hay que tomar en cuenta que muchos números no
aparecen porque son privados, además de que hay hogares que no tienen teléfono.
Hay listas que proporcionan una gran ayuda al investigador. Por ejemplo: bases de
datos locales especializadas en las empresas.
Desde luego, no siempre existen listas que permitan identificar a nuestra población.
Entonces, será necesario recurrir a otros marcos de referencia que contengan descripciones del
material, las organizaciones o los casos que serán seleccionados como unidades de análisis.
Algunos de estos marcos son los archivos (físicos, electrónicos, en la web, etc.) y los mapas.

¿Cómo y cuáles son las muestras no probabilísticas?

Las muestras no probabilísticas, también llamadas muestras dirigidas, suponen un
procedimiento de selección orientado por las características de la investigación, más que por
un criterio estadístico de generalización. Se utilizan en diversas investigaciones cuantitativas y
cualitativas. En este apartado solamente se comentará que seleccionan individuos o casos
“típicos” sin intentar que sean estadísticamente representativos de una población determinada.
Por ello, para fines deductivos-cuantitativos, cuando la generalización o extrapolación de
resultados hacia la población es una finalidad en sí misma, las muestras dirigidas implican
algunas desventajas. La primera es que, al no ser probabilísticas, no es posible calcular con
precisión el error estándar, es decir, no podemos determinar con qué nivel de confianza
hacemos una estimación. Esto es un inconveniente si consideramos que la estadística
inferencial se basa en la teoría de la probabilidad, por lo que las pruebas estadísticas en
muestras no probabilísticas tienen un valor limitado a la muestra en sí, más no a la población.
Es decir, los datos no pueden generalizarse a ésta. En las muestras de este tipo, la elección de
los casos no depende de que todos tengan la misma posibilidad de ser elegidos, sino de la
decisión de un investigador o grupo de personas que recolectan los datos.

La ventaja de una muestra no

probabilística —desde la visión Para el enfoque cualitativo, al no
cuantitativa— es su utilidad para interesar tanto la posibilidad de
determinados diseños de estudio que generalizar los resultados, las muestras no
requieren no tanto una probabilísticas o dirigidas son de gran
“representatividad” de elementos de una valor, pues logran obtener los casos
población, sino una cuidadosa y (personas, objetos, contextos, situaciones)
controlada elección de casos con ciertas que interesan al investigador y que llegan
características especificadas a ofrecer una gran riqueza para la
previamente en el planteamiento del recolección y el análisis de los datos.
problema.

Algunas de las técnicas más utilizadas en este tipo de muestreo son: Muestreo casual,
intencional, por cuotas, por bola de nieve entre otros.
2018
7
 Metodología de la investigación para ingeniería

Muestreo casual: Se toma los elementos en forma casual. La selección de las unidades de
muestreo se seleccionan porque se encuentran en el lugar adecuado en el momento oportuno.
Es la menos costosa y la que necesita menor tiempo. Los elementos se seleccionan de acuerdo
al gusto del investigador. Esta técnica se utiliza con frecuencia en proyectos de investigación
de mercados comerciales.

Muestreo intencional: El investigador selecciona los elementos que a su juicio son

representativos, lo cual exige del investigador un conocimiento previo de la población.

Muestreo por cuotas: El investigador selecciona los elementos representativos a su juicio. La

muestra ha de ser proporcional a la población y en ella deberán tenerse en cuenta las diferentes
categorías. Es un muestreo en dos etapas: La primera etapa consiste en el desarrollo de
categorías de control o cuotas de los elementos de la población (categorías relevantes como
sexo, edad, raza, nivel socioeconómico, etc.), por lo general las cuotas se asignan de la misma
manera en que está conformada la población.
En la segunda etapa, los elementos de la muestra se seleccionan de acuerdo a la conveniencia
o juicio del investigador. Luego de que se asignan las cuotas hay mucha libertad en la selección
de los elementos de la muestra, el único requerimiento es que cumplan con las características
de control.

Muestreo por método de bola de nieve: Se selecciona al azar un grupo de entrevistados por lo
general en forma aleatoria. Después de la entrevista se les pide que elijan a otros que
pertenezcan a la población meta de interés, es decir que los siguientes se eligen con base en las
referencias o información que proporcionan los entrevistados iniciales. La ventaja de este
método de muestreo es que aumenta la probabilidad de encontrar la característica deseada en
la población. Da como resultado una varianza de muestra relativamente baja y los costos son
reducidos.

En ocasiones se mezclan muestreo probabilístico y no probabilístico. Por ejemplo, en el

estudio de Lee y Guerin (2009) sobre el efecto de la satisfacción de la calidad del diseño
ambiental del interior del área de trabajo u oficina sobre la satisfacción general del espacio de
trabajo y el desempeño laboral, primero se eligieron de manera dirigida 15 edificios de Estados
Unidos con certificado de Liderazgo en Energía y Diseño Ambiental (LEED) (los
investigadores pudieron consultar los certificados) y se seleccionaron probabilísticamente 3 769
empleados.

Muestreo al azar por marcado telefónico (Random Digit Dialing)

Ésta es una técnica que los investigadores utilizan para seleccionar muestras telefónicas.
Involucra identificar áreas geográficas —para ser muestreadas al azar— y sus
correspondientes códigos telefónicos e intercambios (los primeros dígitos del número
telefónico que las identifican). Luego, los demás dígitos del número que se va a marcar pueden
ser generados al azar de acuerdo con los casos que requerimos para la muestra (n). Es posible
reconocer qué intercambios son usados de forma primaria para teléfonos residenciales y
enfocar el muestreo en ese subgrupo (Kreuter, 2013). Asimismo, es muy útil para incluir en
muestras a teléfonos celulares o móviles y aparatos con GPS (Hernández-Sampieri et al., 2013).

Una máxima del muestreo y el alcance del estudio

Ya sea que se trate de un tipo de muestreo u otro, lo importante es elegir a los casos adecuados,
de acuerdo con el planteamiento del problema y lograr el acceso a ellos.

2018
8
Selección de la muestra

Los estudios exploratorios regularmente emplean muestras dirigidas, aunque podrían

usarse muestras probabilísticas. La mayor parte de las veces, las investigaciones
experimentales utilizan muestras dirigidas, porque como se comentó, es difícil manejar grupos
grandes o múltiples casos (debido a ello se ha insistido que, en los experimentos, la validez
externa se consolida mediante la repetición o reproducción del estudio). Las investigaciones no
experimentales descriptivas o correlacionales-causales deben emplear muestras probabilísticas
si quieren que sus resultados sean generalizados a la población.
Asimismo, en ocasiones la muestra puede ser en varias etapas (polietápica). Por
ejemplo, primero elegir universidades, luego, escuelas o facultades, después, salones o grupos
y finalmente, estudiantes.

Errores en la Muestra.
Para que una muestra proporcione datos confiables, éstos deben ser representativos de la
población, es decir, que los errores del muestreo deben ser relativamente pequeños para que
éste no pierda validez. Ninguna muestra da garantía absoluta en relación con la población de
donde ha sido extraída, de ahí, la importancia de poder determinar el posible margen de error
y la frecuencia de los mismos dentro del conjunto de datos.

Generalmente se presentan dos tipos de errores: de muestreo o muestrales y sistemáticos o no

muestrales.

Errores muestrales: Cualquiera que sea el procedimiento utilizado y la perfección del

método empleado, la muestra siempre diferirá de la población. A esta diferencia entre la
población o universo y la muestra se le denomina error de muestreo.
El error de la muestra es la diferencia entre μ (que es el parámetro de la media para la
población) y x (las estimaciones de la media para la muestra).
Por el solo hecho de tomar una muestra y no la población ya existe un error muestral.

Errores no muestrales: Son aquellos que se presentan por causas ajenas a la muestra.
Situaciones inadecuadas: Se presentan cuando el investigador tiene dificultades para obtener la
información y la sustituye por la que más fácilmente está a su alcance, que no siempre es la
más confiable.
Insuficiencia en la recolección de datos: Hay distorsión por falta de respuestas, o respuestas
inadecuadas, ya sea por ignorancia o falta de datos relativos a los elementos incluidos.
Errores de cobertura: Cuando no se han incluido elementos importantes y significativos para la
investigación que se realiza.

2018
9