Muestreo no probabilístico
El muestreo estadístico es una de las principales técnicas empleadas en estadística, debido a que permite estudiar una población a partir de, únicamente, una porción de la misma, conocida como muestra. Existen diferentes tipos de muestreo, siendo uno de ellos el muestreo no probabilístico.
En este artículo, te explicaremos todo lo que necesitas saber acerca del muestreo no probabilístico, los tipos en los que se clasifica, cómo se debe realizar, así como algunos ejemplos prácticos para que comprendas, de mejor manera, su aplicación. ¡Te invitamos a seguir leyendo!
¿Qué es el muestreo no probabilístico?
El muestreo no probabilístico, o muestreo no aleatorio, es un tipo de muestreo en el que no todos los elementos de la población poseen la misma posibilidad de ser tomados en cuenta para la muestra. Esto se debe a que la selección de los mismos está sujeta al criterio personal del investigador.
El investigador selecciona, de manera arbitraria, según su conveniencia, criterio o propósitos, los elementos de la población para la muestra, jugando un papel activo durante la investigación. Por lo tanto, existe cierta intervención humana sobre el proceso investigativo.
En consecuencia, el investigador debe poseer una vasta experiencia en el campo al que se dedica, con el fin de minimizar el factor humano sobre los resultados. Asimismo, durante la selección de los elementos, debe considerar cuáles pueden representar con mayor precisión la población estudiada.
El muestreo no probabilístico se aplica, generalmente, en estudios exploratorios, como fase inicial para conocer o realizar un primer acercamiento a la población objetivo, o en caso de que no se cuenten con los recursos suficientes para llevar a cabo un muestreo más riguroso.
Diferencia entre muestreo probabilístico y no probabilístico
El muestreo estadístico se clasifica en dos grupos: el muestreo no probabilístico y el muestreo probabilístico. Aunque los dos se utilizan ampliamente en las investigaciones estadísticas, se deben tener en cuenta sus ventajas y desventajas al momento de implementarlos, así como los casos particulares en los que se puede emplear. A continuación, te explicamos sus diferencias:
- En el muestreo no probabilístico, los elementos de la muestra son seleccionados de manera arbitraria, es decir, según el criterio y decisión del investigador. Por otra parte, en el muestreo probabilístico la muestra se conforma a partir de datos seleccionados al azar, sin que exista intervención alguna por parte del investigador sobre la elección de los elementos.
- El muestreo no probabilístico suele generar un sesgo estadístico, debido a que el investigador interviene, de manera directa, sobre la selección de los elementos de la muestra. El muestreo probabilístico evita esto a través de la selección imparcial de los datos.
- Durante los estudios preliminares de una investigación, se suele utilizar con mayor preferencia un muestreo no probabilístico, mientras que el muestreo probabilístico se aplica en investigaciones a gran escala y que requieren mayor precisión.
- Las muestras obtenidas mediante un muestreo no probabilístico no son tan representativas de la población, como lo pueden ser las obtenidas a través de un muestreo probabilístico.
Esto se debe a que, debido a que existe una intervención en el primero, además de que la elección depende del criterio parcial del investigador, la representación de la población es dependiente, asimismo, de dichas características.
- En el muestreo no probabilístico, el margen de error no es calculable, mientras que en el muestreo probabilístico sí lo es.
- Existe un menor grado de confiabilidad en los resultados del muestreo no probabilístico, cosa que no ocurre en el muestreo probabilístico, pues sus resultados son altamente confiables.
- Mientras que en el muestreo no probabilístico, no todos los elementos de la población tienen la misma posibilidad de ser seleccionados para la muestra, en el muestreo probabilístico todos la tienen.
Tipos de muestreo no probabilístico
Existen diversos tipos de muestreo no probabilístico, y se clasifican según el método de selección que se emplee para obtener la muestra de la población estudiada y la persona que lo aplica. Así, estos son:
Muestreo por cuotas
El muestreo por cuotas consiste en la división, de una población, en cuotas, es decir grupos conformados por elementos homogéneos o que posean características en común (edad, profesión, sexo), según el investigador. Se asegura, asimismo, que dichos grupos sean proporcionales respecto a la población, con el fin de maximizar la representatividad de la misma.
No se debe confundir con el muestreo por conglomerados o muestreo estratificado que, aunque guardan ciertas similitudes en cuanto a la división de la población en subconjuntos, son dos tipos de muestreos probabilísticos.
Muestreo por conveniencia
El muestreo por conveniencia consiste en la selección de los elementos de la muestra, según la conveniencia del investigador, es decir, si a este le resulta fácil acceder a ciertos elementos de la población o no, por lo que se tienen en cuenta características como la disponibilidad, accesibilidad y proximidad de dichos elementos.
Muestreo de bola de nieve
En el muestreo de bola de nieve, los investigadores adquieren su información a través de otras personas, las cuales, a su vez, reciben ciertos datos de otras, generando así una bola de nieve.
De esta manera, los investigadores pueden acceder a información cuyo acceso puede ser difícil para ellos, recurriendo a personas a las que les sea sencillo acceder a dichos datos.
Muestreo intencional, deliberado o por juicio
El muestreo intencional, deliberado o por juicio, se enfoca en la selección de los elementos de la muestra, según una característica específica, definida por los investigadores como esencial para el propósito específico del estudio. De esta manera, la investigación se centra en el estudio de los datos que presenten esta característica, únicamente, excluyendo a aquellas partes de la población que no la posean.
Muestreo consecutivo
El muestreo consecutivo es un tipo de muestreo similar al muestreo por conveniencia. Sin embargo, en este caso, se toman muestras consecutivas, hasta cubrir la mayor parte de la población posible. De manera simultánea, se estudian las muestras obtenidas, con el fin de determinar la necesidad de tomar otra o no, o tener en cuenta otras características aún no analizadas, ampliando el rango de la investigación.
Su objetivo es abarcar al mayor número de elementos accesibles posibles, con el fin de lograr una mayor representación de la población.
Pasos para realizar un muestreo no probabilístico
Al momento de realizar un muestreo no probabilístico, se deben tener en cuenta ciertos pasos, con el fin de que los resultados sean los más precisos posibles y, en general, garantizar que la investigación estadística se realice correctamente. A continuación, te explicamos de qué se tratan:
- Definir la población: dependiendo del contexto en el que se enmarca la investigación, la población objetivo puede tratarse de una ciudad, un mercado o, incluso, una especie. Es importante, por lo tanto, tener en cuenta el propósito del estudio, para determinar el sector específico en el que se desea abordar la problemática.
- Definir el tamaño muestral: es decir, determinar el número de elementos que debe incluir la muestra para el propósito del estudio. Se debe garantizar que dicho número puede representar, lo mayormente posible, a la población estudiada.
El tamaño muestral se puede determinar a través de ciertas fórmulas, aplicables para cualquier tipo de muestreo estadístico. Puedes consultar esta información en nuestro artículo de Muestreo Aleatorio Simple.
- Seleccionar el tipo de muestreo no probabilístico: este punto es fundamental, pues se trata de determinar el método a través del cual se realiza la selección de los elementos de la muestra, lo cual influye, de manera significativa, sobre los resultados de la investigación.
- Recopilar la información: es momento de salir a recopilar la información. Ten en cuenta las preguntas a realizar, así como la accesibilidad de los elementos a los que puedes encuestar.
- Realizar el análisis estadístico: finalmente, los resultados de la investigación deben ser estudiados mediante un análisis estadístico, lo que implica que la información se organice en gráficos estadísticos y se realice un análisis de distribución de frecuencias (frecuencia absoluta y frecuencia relativa).
Ejemplos de muestreo no probabilístico
Ahora, veamos algunos ejemplos prácticos para observar de qué manera se debe aplicar un muestreo no probabilístico y en cuáles situaciones es preferible implementar uno:
- Un grupo de estudiantes debe realizar una investigación acerca del uso de dispositivos móviles en el hogar. En principio, estos pueden encuestar a sus compañeros de clase, sin embargo, para abarcar a una mayor parte de la población estudiantil, deciden acudir a sus amigos con el fin de que estos les realicen preguntas a los demás compañeros.
- La secretaría de salud de un distrito emprende una investigación respecto a la tasa de afectados por enfermedades respiratorios. Por lo tanto, con el fin de comprobar su hipótesis y realizar un estudio exploratorio, realizan una investigación en el hospital de la capital del distrito, la cual se ubica en la misma localidad que las oficinas.
- Una persona ha iniciado un pequeño emprendimiento, por lo que decide realizar un estudio de mercado con el fin de evaluar la viabilidad del proyecto. En principio, solo desea abrir un negocio en su barrio, por lo que encuesta, únicamente, a sus vecinos más cercanos.
Ventajas y limitaciones del muestreo no probabilístico
Las ventajas
- Es económico y no requiere de grandes recursos, ni un vasto capital, para implementarlo.
- Es fácil de implementar, lo que facilita acceder a la población y emprender la recopilación de los datos, rápidamente.
- Garantiza que se dispongan de elementos para conformar la muestra, así como una mayor disposición y participación de las personas en la investigación.
- En caso de que el enfoque de la investigación sea bastante específico, se pueden controlar las características de la muestra, con el fin de que la misma se encamine por dicho enfoque.
- Es altamente útil para obtener resultados en estudios preliminares o experimentos pilotos, con el fin de que, posteriormente, se pueda abordar el tema de una manera más rigurosa.
- El investigador dispone de un mayor rango de acción y participación en la investigación, jugando un papel activo que puede contribuir a la eficacia de la misma.
Las limitaciones
- No se pueden llevar a cabo generalizaciones o inferencias de una población completa. Esto se debe a que, al no considerar una parte de la población objetivo, no se puedan formar conjeturas sobre el comportamiento de dicha porción, por lo que los resultados dependen, únicamente, de la sección estudiada.
- Tiende a formar un sesgo estadístico de la información, pues se ignora una parte de la población, mientras que se aprecia otra seleccionada según el criterio del investigador.
- La muestra no es representativa de la población y, por lo tanto, los datos pueden no ser precisos,
- De no conocer, de manera profunda, la población estudiada, se puede incurrir en una distorsión de la información, al no comprender la naturaleza propia del campo que se estudia.
- El control de los datos recae únicamente, en el investigador, por lo que se debe de ser cuidadoso al momento de sopesar qué elementos considerar dentro de la muestra o no.
Conclusiones
El muestreo no probabilístico y, en general, las técnicas de muestreo, son partes fundamentales de la estadística, cuya importancia en las labores enmarcadas en este campo es evidente, en cuanto que son el medio mediante el cual se puede estudiar una población, a través de una muestra, sin necesidad de recurrir al estudio total de la misma.
Si quieres seguir aprendiendo sobre el apasionante mundo de la estadística y profundizar en sus ramas, te invitamos a continuar tu lectura a través de los siguientes artículos, en donde te explicamos otros conceptos de igual importancia para la comprensión de este importante campo:
