Muestras aleatorias Si una muestra aleatoria se hace correctamente, contiene no tendencia sistemtica y es por lo tanto relativamente representante de la poblacin. Por supuesto, en un estudio de muestreo, nunca podemos estar seguros al 100% de que los resultados medidos a partir de la muestra sean tambin ciertos en la poblacin. No obstante, a efectos prcticos suele ser suficiente si podemos afirmar que el riesgo de una desviacin de la poblacin es, digamos, un 1%. Seremos capaces de hacer tales afirmaciones que estn basadas en clculo de probabilidades si hemos usado una muestra aleatoria. El principio de la seleccin de los elementos en una muestra aleatoria es el mismo que cuando se reparten la baraja. Todos los objetos de la poblacin tienen iguales probabilidades de ser seleccionados en la muestra. Esta probabilidad es llamada razn de muestreo (sampling ratio en ingls), y es igual al nmero de elementos de la muestra dividido por el nmero de la poblacin. Hay mtodos alternativos para crear una muestra aleatoria (en otras palabras, una "muestra de probabilidad"). En los diagramas siguientes, los casos de la poblacin original se presentan como puntos u otros smbolos pequeos, y los casos seleccionados en la muestra se demuestran como smbolos en negrita. 1. Muestra aleatoria simple. La muestra se extrae a suertes, por ejemplo cogiendo papeletas numeradas de un sombrero. Si tenemos un fichero de ordenador sobre la poblacin, la computadora har la seleccin al azar. Cuando la poblacin es muy grande y ya consiste en grupos naturales, los miembros de los cuales se enumeran en un archivo, puede ser prctico hacer el muestreo en etapas (cluster sampling), seleccionando primero algunos grupos y entonces seleccionando la muestra final slo desde los miembros de estos grupos seleccionados. Por ejemplo, si la poblacin consiste en toda la gente en un pas, usted puede primero seleccionar al azar algunas subdivisiones del pas y despus seleccionar la muestra final entre la gente en estas subdivisiones. Si usted se prepone entrevistarse con esta gente en sus hogares, usted ahorrar as mucha hora de viajar.2. Muestra sistemtica. Si la razn que se pretende es 1/n, empezamos escogiendo el primer elemento al azar entre los primeros n objetos de la poblacin, y tras ello extraemos cada n-avo objeto. Si tenemos una lista de objetos de la poblacin el procedimiento ser muy fcil incluso sin una computadora, y el resultado ser as representativo, excepto en la situacin inusual que una caracterstica importante de los casos sucede a la repeticin en cada n casos. 3. Muestra aleatoria ponderada. Cuando la poblacin incluye un grupo muy pequeo pero esencial, hay el riesgo de que ningn miembro de ese grupo quede dentro de una muestra aleatoria. Tales grupos claves de usuarios de productos son, entre otros, gente corto de vista, duro de odo o con la capacidad reducida del movimiento, vase una lista de tal gente. Otras minoras a menudo significativas originan de religiones, de nacionalidades y de lenguas. Para asegurar por lo menos algunos de una minora clave (marcada con x en el diagrama a la derecha) en la muestra, podemos incrementar deliberadamente la razn de la muestra sobre este grupo de especial importancia. Por supuesto que esto generar un desequilibrio en las mediciones que se obtengan a partir de la muestra ponderada, pero ser fcil restaurar el equilibro original. Esto se hace as cuando se combinan los resultados; por ejemplo, al calcular la media de todas las mediciones daremos a las mediciones de cada grupo su peso apropiado correspondiente a los porcentajes genuinos en la poblacin.Muestras no aleatoriasLas muestras no aleatorias (o "no probabilsticas") { son seleccionadas por cualquier procedimiento que no da todos casos en la poblacin las oportunidades iguales de caer en la muestra. A veces el contexto del estudio permite o facilita un cierto mtodo de muestreo, a veces el investigador tiene la posibilidad de escoger el mtodo. Varios tales procedimientos sern discutidos abajo.Cualquier es el procedimiento, es siempre posible que favorecer ciertos tipos de casos en la poblacin ms que los otros, es decir producir una muestra sesgada.En estudios descriptivos la presencia de sesgo es una desventaja grave que usted encontrar ms adelante en su proyecto, en cundo valorar el muestreo y en cundo escribir el captulo final de su informe. Por lo tanto puede ser prudente pensar de l por adelantado, cundo escoger el mtodo de muestreo.Al valorar una muestra no-aleatorio que usted debe preguntar usted mismo: Sern los resultados de la muestra el mismo que usted conseguira de la poblacin? Es cierto que el criterio que usted ha utilizado en seleccionar la muestra (e.g. la buena voluntad de la gente de participar) no tiene ninguna correlacin con esas variables que usted desee registrar de la muestra? Si hay correlacin, su muestra est sesgada y usted debe considerar el construir de una muestra nueva con menos correlacin.Como contraste, muestras no aleatorias se pueden utilizar en proyectos de investigacin y del desarrollo, a condicin de que el sesgo sistemtico posible sea compensado ms adelante. Por ejemplo, es comn usar al muestreo de conveniencia cundo escoger clientes potenciales a un grupo de trabajo para desarrollar un concepto del producto preliminar. La seleccin de personas ser probablemente sesgada, tan bien como las propuestas del grupo de trabajo, pero las propuestas sern rectificadas ulteriormente cuando son evaluadas de nuevo por un otro grupo de gente ms grande. Entre los tipos comunes de muestras no aleatorias se incluyen:1. Muestra de conveniencia. Un grupo existente, por ejemplo la gente en una reunin, podra ser designado como muestra. Este es un mtodo fcil y barato, pero el sesgo suele ser imposible de estimar. El mtodo es popular en las demostraciones de cursos sobre mtodos, donde los datos obtenidos de la muestra no se usarn. Asimismo, esto es un mtodo posible cuando usted necesita a algunos clientes potenciales asistir al desarrollo de producto, a condicin de que los resultados obtenidos sean probados ms adelante con una muestra mejor escogida de la clientela-objetivo.2. Muestra de voluntarios es creada cuando todos los miembros de la poblacin tienen la oportunidad de participar en la muestra. Si usted inserta una forma de cuestionario en un peridico o en una pgina del Internet y pide que la gente d sus opiniones sobre un asunto, usted conseguir una muestra de voluntarios. Un otro ejemplo es la respuesta de los clientes que llega a una empresa.Una muestra de voluntarios puede ser una alternativa prctica cuando no hay lista de los miembros de la poblacin de quien una muestra aleatoria se podra escoger, o cuando es difcil de contactar a la gente en una muestra porque sus direcciones no se saben. La desventaja es que es difcil determinar la presencia del sesgo, es decir si las opiniones u otras caractersticas interesantes de los voluntarios se desvan de sos de la poblacin. Cuando en vista de esta pregunta, hay dos cuestiones que plantearse: Qu es la poblacin que usted apunta? Es cierto que todos los miembros de la poblacin concernida tenan las mismas oportunidades de ser incluidos en la muestra? Hay cualquier razn por qu puedan diferir los voluntarios del resto de la poblacin? Por ejemplo, tienen ellos, o por lo menos algunos de ellos, una razn especial para ofrecerse? Si usted, por ejemplo, quiere obtener una muestra de gente que ha comprado su ltimo producto, usted puede incluir en el paquete del producto un formulario franqueo-pagada donde la gente puede dar sus nombres y direcciones. Qu sucedera si usted pidi adems que los respondedores dieran sus opiniones del producto? Usted conseguira probablemente respuestas sobre todo de la gente que tiene una opinin fuerte de su producto, positiva o negativa. La gente sin opinin definida de su producto quizs no incomodara contestar. La muestra sera as sesgada, y usted tendra que considerar si tal tendencia podra ser aceptable para sus fines.3. Muestra - bola de nieve. Cuando se entrevista a miembros de un grupo, podemos pedir a las personas que nos indiquen otros individuos en ese grupo que podran dar informacin sobre ese tema; podramos tambin pedirles que nos indicasen personas que compartan sus puntos de vista y tambin otras que sean de opinin opuesta. Entonces entrevistaremos a nuevos individuos y continuaremos del mismo modo hasta que no obtengamos nuevos puntos de vista de nuevos entrevistados. Este es un buen mtodo por ejemplo para recoger los distintos puntos de vista existentes en un grupo, pero su inconveniente es que no obtenemos una idea exacta de la distribucin de las opiniones.4. Una muestra que consiste en todos los casos disponibles. A veces el investigador es interesado en una poblacin de que slo unos pocos casos o especmenes estn disponibles para el estudio, y estos entonces deben servir como una muestra de la poblacin. Tales muestras tpicas son: 4a. Casos restantes 4b. Casos permitidos.

Los casos restantes entre el material histrico o arqueolgico, cuando ha desaparecido una parte grande de material relevante antes de que reciben los investigadores, se pueden mirar como una clase de muestra de conveniencia incluso cuando es la realidad histrica y no la conveniencia que selecciona la muestra. Si la destruccin del material, durante el tiempo hasta el estudio, no ha sido al azar ni proporcional pero en lugar de alguna manera parcial o selectivo, el material sobreviviente ser sesgado y el investigador debe valorar el sesgo probable. Usted debe preguntarse si cualquiera de los factores siguientes ha afectado diferentemente en la preservacin de tipos diferentes de la materia: El material a veces se ha seleccionado para cualquier propsito, por ejemplo para ser mantenido en archivos, bibliotecas o museos? Algunos objetos en el material a veces se han substituido por nuevos? Qu clases de cosas fueron mirados generalmente como basura, o al contrario, como digno y apropiado ser preservado? Hay factores fsicos que pueden haber afectado diferentemente en la preservacin de varios grupos de material? Los casos permitidos. Al estudiar las empresas privadas sucede a menudo que la gerencia no permitir colectar informacin desde ciertas unidades en la organizacin. La decisin de la administracin es motivada quizs por su juicio sobre los objetivos del estudio, pero del punto de vista cientfico tal muestra a menudo parecer gravemente sesgada. El muestreo aleatorio simple puede ser de dos tipos:Sin reposicin de los elementos: cada elemento extrado se descarta para la subsiguiente extraccin. Por ejemplo, si se extrae una muestra de una "poblacin" de bombillas para estimar la vida media de las bombillas que la integran, no ser posible medir ms que una vez la bombilla seleccionada.Con reposicin de los elementos: las observaciones se realizan con reemplazamiento de los individuos, de forma que la poblacin es idntica en todas las extracciones. En poblaciones muy grandes, la probabilidad de repetir una extraccin es tan pequea que el muestreo puede considerarse sin reposicin aunque, realmente, no lo sea.Para realizar este tipo de muestreo, y en determinadas situaciones, es muy til la extraccin de nmeros aleatorios mediante ordenadores, calculadoras o tablas construidas al efecto.PROCEDIMIENTO DE LA TABLA DE NUMEROS ALEATORIOSCodificar numricamente cada elemento de la poblacin (se puede usar una existente, caso de las facturas). Determinar el numero de cifras a tomar en la tabla segn el tamao de poblacin. Ejemplo: Si N=350 se tomaran nmeros de.Determinar la orientacin de la seleccin tanto en forma vertical como horizontal. Ejemplo: De izquierda a derecha y de arriba hacia abajo. Iniciar al azar la seleccin en la tabla y tantos nmeros como tamao de la muestra, Identificar los elementos de la poblacin segn los nmeros elegidos en la tabla.