Una muestra grande no siempre es una buena muestra. Antes de utilizar una fórmula, el tesista debe definir con precisión a quiénes o qué elementos desea estudiar, cuáles son accesibles y cómo serán seleccionados. Confundir población, muestra y muestreo puede impedir que los resultados respondan realmente al objetivo.
Población, muestra y unidad de análisis
Arias (2012) define la población objetivo como el conjunto finito o infinito de elementos con características comunes al que se extenderán las conclusiones. La muestra es un subconjunto finito extraído de la población accesible. Sin embargo, antes de seleccionar participantes debe precisarse la unidad de análisis: puede ser una persona, empresa, documento, muestra de agua, institución u otro caso.
Hernández-Sampieri y Mendoza Torres (2018) destacan que la población y la unidad seleccionada deben ser consistentes con los objetivos y las preguntas. Si el objetivo estudia docentes universitarios, no corresponde definir como población a "toda la comunidad educativa" sin justificar qué integrantes serán analizados.
Muestreo probabilístico y no probabilístico
- Probabilístico: la selección se basa en procedimientos aleatorios y las unidades tienen una probabilidad conocida de ser elegidas. Incluye el muestreo aleatorio simple, sistemático, estratificado y por conglomerados.
- No probabilístico: la selección depende de criterios, accesibilidad o características requeridas por la investigación. Incluye modalidades como conveniencia, intencional, por cuotas o bola de nieve.
Ñaupas Paitán et al. (2018) señalan que la elección debe responder a la naturaleza y al diseño del estudio. El muestreo probabilístico favorece la estimación del error y la generalización estadística. El no probabilístico puede ser pertinente cuando se requieren casos específicos, poblaciones difíciles de localizar o estudios cualitativos; pero sus límites deben declararse.
Tamaño y selección no son lo mismo
Calcular 300 participantes no garantiza representatividad si todos se eligen por facilidad. Del mismo modo, una muestra menor puede ser adecuada si su tamaño fue justificado y la selección corresponde al diseño. Cuando se estudia a todos los integrantes de una población accesible, debe indicarse que se trabajó con la totalidad; no es correcto llamar "muestra" al mismo conjunto completo.
Ejemplo aplicado
Supongamos una universidad con 1 200 estudiantes distribuidos en cinco facultades. Si se necesita estimar resultados para toda la universidad, un muestreo estratificado puede asegurar representación proporcional de cada facultad. Encuestar únicamente a quienes salen de una biblioteca sería más rápido, pero produciría una muestra por conveniencia y podría excluir a estudiantes con otras características.
Lista de verificación
- Define la unidad de análisis y los criterios de inclusión y exclusión.
- Delimita la población objetivo y la población realmente accesible.
- Identifica el marco muestral cuando exista.
- Justifica el tipo de muestreo antes de calcular el tamaño.
- Explica pérdidas, rechazos o limitaciones que afecten la selección.
Referencias
Arias, F. G. (2012). El proyecto de investigación: Introducción a la metodología científica (6.ª ed.). Editorial Episteme.
Hernández-Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Interamericana.
Ñaupas Paitán, H., Valdivia Dueñas, M. R., Palacios Vilela, J. J., & Romero Delgado, H. E. (2018). Metodología de la investigación cuantitativa-cualitativa y redacción de la tesis (5.ª ed.). Ediciones de la U.