CÓMO INVESTIGAMOS / MUESTREO

Muestreo.

Escuchar a una parte exige definir a quién representa.

Ver el ejemplo Evaluar este enfoque

Imagen conceptual de referencia.

Entrevistar a quienes entran hoy a una tienda no equivale a escuchar a todos sus clientes del año.

QUÉ RESUELVE · CON UN EJEMPLO

Entienda el enfoque antes de entrar al detalle.

Entrevistar a quienes entran hoy a una tienda no equivale a escuchar a todos sus clientes del año.

Una lectura visual de Muestreo

Universo objetivo

Marco disponible

Unidades seleccionadas

Unidades que responden

Esquema conceptual para comprender este enfoque. No representa cifras, resultados estimados ni relaciones causales comprobadas.

PERTINENCIA E INSUMOS

Qué información y condiciones se necesitan.

Universo, unidad de selección, marco, segmentos y periodo.

Muestreo probabilístico

El azar debe formar parte de una regla de selección conocida.

Consultar esta ruta

Muestreo no probabilístico

Reclutar por criterios puede ser útil, pero tiene límites.

Consultar esta ruta

Diseño y tamaño de muestra

Defina qué comparaciones necesita antes de elegir cuántas entrevistas hacer.

Consultar esta ruta

Métodos especializados de observación

A veces la unidad que interesa es un momento, no solo una persona.

Consultar esta ruta

FUNDAMENTO Y PROCEDIMIENTO

Cómo funciona y cómo debe aplicarse.

El muestreo selecciona unidades de una población para describirla o comprender fenómenos concretos sin observarla por completo. El diseño empieza por el estimando: la cantidad que se quiere conocer, por ejemplo la proporción de clientes que tuvieron una incidencia durante el último mes. Universo, marco y muestra son objetos diferentes: los clientes elegibles, el listado desde el que se selecciona y los casos finalmente observados. Esta distinción permite detectar cobertura insuficiente antes de calcular un tamaño.

Procedimiento y decisiones de aplicación

Unidad y alcance
Definir si la unidad es una persona, hogar, establecimiento o transacción. Un mismo cliente con varias compras puede ser una unidad o aportar múltiples eventos; cambiar esa decisión cambia el denominador.
Mecanismo de selección
Elegir selección probabilística cuando se requiere inferencia sustentada en probabilidades de inclusión conocidas. Usar criterios deliberados cuando el propósito es exploratorio o el marco no permite aquella selección, documentando el alcance.
Asignación y ejecución
Distribuir casos por dominios relevantes y prever elegibilidad, no contacto y no respuesta. Registrar disposiciones y aplicar el estimador y la varianza correspondientes al diseño, no los de un muestreo aleatorio simple por defecto.

EJEMPLO, INTERPRETACIÓN Y ENTREGABLES

Del procedimiento a una conclusión sustentada.

EJEMPLO DIDÁCTICO · NO RESULTADOS DE CLIENTES

Para comparar atención en tres ciudades no basta con repartir una muestra total de 600 casos de manera proporcional al tamaño del mercado. La ciudad más pequeña puede quedar con una base insuficiente. Una asignación que asegure casos por ciudad mejora la lectura local, pero requiere pesos apropiados para construir un resultado agregado. El diseño debe resolver ambas preguntas antes del campo.

Decisiones que estructuran su aplicación

01Unidad y alcance

02Mecanismo de selección

03Asignación y ejecución

Cada paso tiene una comprobación distinta; el procedimiento desarrollado arriba precisa qué se decide y qué evidencia se conserva.

Ilustración didáctica del procedimiento de esta página; no acredita funciones o resultados fuera del alcance descrito.

Controles que determinan la interpretación

Criterio	Qué se comprueba
Cobertura	Identificar quién queda fuera del marco, registros desactualizados y duplicados.
No respuesta	Comparar composición y resultados disponibles entre quienes participan y quienes no; una tasa de respuesta no describe por sí sola todo el sesgo.
Precisión	Distinguir tamaño total, base de cada estimación y efecto del diseño.

Qué debe contener el resultado

Ficha de diseño con universo, marco, selección, asignación y estimandos; matriz de muestra prevista y lograda; registro de contactos; reglas de ponderación y alcance de las conclusiones.

¿La muestra debe ser representativa en todas las variables?

Representación no es una propiedad demostrada por coincidir en dos perfiles. Se evalúa frente a población, mecanismo de selección y estimandos. Un diseño puede permitir un total y no una lectura precisa de todos los subgrupos. Deben declararse cobertura, selección y dominios de publicación para saber a quién corresponden las conclusiones.