Muestreo en Investigación: Tipos, Técnicas y su Impacto Metodológico

Métodos de Muestreo

Muestreo Probabilístico

Características:

• Las muestras se seleccionan al azar, no por los investigadores.
• Cada elemento de la población tiene una probabilidad conocida de ser elegido.
• Se puede conocer el error y la confianza de los estimadores.
• Los resultados se pueden generalizar (inferir).
• Es más caro que el no probabilístico.
• Es más lento y complicado que el no probabilístico.

Muestreo No Probabilístico

Características:

• No se apoya en ninguna teoría de la probabilidad y, por tanto, no es posible calcular la precisión o acotar el error cometido ni la confianza de las estimaciones que, además, no siempre se reducen aumentando el tamaño de la muestra.
• Los costes y la dificultad de diseño son más reducidos.

Técnicas de Muestreo

Muestreo Probabilístico: Aplicación y Ventajas

El muestreo probabilístico es relativamente nuevo en términos de su aplicación real en Investigación de Mercados. Antes de 1950, la muestra no probabilística era casi el único tipo de muestreo que se utilizaba en estudios reales de campo. Los avances logrados desde entonces en la Teoría del Muestreo y en las técnicas de muestreo de campo han permitido que el muestreo probabilístico se convierta en una alternativa real para investigadores de Marketing. No existe ninguna garantía de que los resultados obtenidos con una muestra probabilística sean más exactos que aquellos obtenidos con una muestra no probabilística; lo que el primer tipo de muestreo permite es medir al investigador la cantidad de error muestral que probablemente ocurrirá en su muestra, permitiendo una medida de la exactitud del resultado de la muestra.

Importancia del Tamaño Muestral en la Calidad de los Resultados

Si la población es muy heterogénea, las variaciones de los estimadores de una muestra a otra serán mayores que si es homogénea. Si, además, la muestra es pequeña, puede contener valores extremos y su influencia sobre el estimador es importante, mientras que si la muestra es grande, este valor se promedia con otros muchos y su influencia es menor. Las muestras grandes ofrecen mayor calidad en los resultados. Cuanto mayor sea 'n' (el tamaño de la muestra), más parecidas serán las estimaciones obtenidas con distintas muestras, es decir, la varianza del estadístico será menor. Esta varianza dependerá de la varianza poblacional y del tamaño muestral.