Una muestra mal elegida puede debilitar un TFG o TFM que, por lo demás, está bien planteado. La decisión entre muestreo probabilístico versus no probabilístico no consiste en escoger el método más complejo, sino el que responde con honestidad a tu pregunta de investigación, a la población disponible y a los recursos reales del estudio. Si puedes justificar esa decisión con rigor, tu metodología será mucho más fácil de defender ante el tutor o tribunal.
Qué cambia al elegir una muestra
La población es el conjunto total de personas, casos, documentos u objetos sobre los que quieres obtener conocimiento. Por ejemplo, todos los estudiantes internacionales de máster de una universidad, todas las sentencias dictadas en un periodo o todos los pacientes atendidos en una unidad clínica concreta.
La muestra es la parte de esa población que realmente vas a estudiar. Como rara vez es posible acceder a todos los elementos, necesitas establecer cómo seleccionarás los casos. Ahí entra el tipo de muestreo.
Esta elección afecta a tres aspectos clave: qué tan representativos serán tus resultados, hasta dónde podrás generalizarlos y qué limitaciones deberás reconocer. No hay un método universalmente superior. Un estudio cuantitativo que pretende estimar porcentajes de una población amplia suele requerir una lógica distinta a una investigación cualitativa centrada en experiencias, discursos o procesos específicos.
Muestreo probabilístico versus no probabilístico: la diferencia esencial
En el muestreo probabilístico, todos los elementos de la población tienen una probabilidad conocida y distinta de cero de ser seleccionados. La elección se realiza mediante un procedimiento aleatorio, no según la comodidad del investigador. Para aplicarlo correctamente, normalmente necesitas un marco muestral: un listado o sistema que permita identificar a los miembros de la población.
En el muestreo no probabilístico, la selección no se basa en el azar. Los participantes se incorporan porque cumplen ciertos criterios, están disponibles, responden voluntariamente o son identificados por su relevancia para el objetivo del estudio. No puedes calcular con precisión la probabilidad de inclusión de cada miembro de la población.
La diferencia no es solo técnica. Si utilizas una muestra probabilística, puedes aspirar a realizar inferencias estadísticas sobre la población, siempre que el diseño, tamaño muestral y análisis sean adecuados. Si usas una muestra no probabilística, tus hallazgos pueden ser muy valiosos, pero debes ser prudente al afirmar que representan a toda una población.
Cuándo conviene un muestreo probabilístico
El muestreo probabilístico encaja especialmente bien en investigaciones cuantitativas con una población definida y accesible. Su objetivo habitual es estimar frecuencias, comparar grupos o analizar asociaciones con un nivel conocido de error muestral.
Imagina un TFG de Enfermería que quiere conocer el nivel de adherencia terapéutica de los pacientes con diabetes atendidos en un centro de salud. Si el estudiante dispone de un listado anonimizado de pacientes que cumplen los criterios y cuenta con autorización institucional, podría seleccionar una muestra aleatoria. Así, la selección no dependería de quién acude primero a consulta ni de quién acepta con mayor facilidad participar.
Los tipos más frecuentes son el aleatorio simple, sistemático, estratificado y por conglomerados. En el aleatorio simple, cada elemento se selecciona al azar. En el sistemático, se elige cada cierto número de casos tras un inicio aleatorio. El estratificado divide primero a la población en grupos relevantes, como sexo, curso o área geográfica, y extrae participantes de cada estrato. El muestreo por conglomerados selecciona grupos naturales, como aulas, centros o barrios, en lugar de personas individuales.
Su principal ventaja es la capacidad de reducir sesgos de selección y sostener una generalización más sólida. Sin embargo, exige condiciones que no siempre están disponibles en un trabajo final: acceso a un listado fiable, permisos, tiempo para contactar a los casos seleccionados y un tamaño muestral suficiente. Decir que una muestra es aleatoria cuando en realidad se difundió un formulario abierto por redes sociales es un error metodológico frecuente y fácil de detectar.
Cuándo es adecuado un muestreo no probabilístico
El muestreo no probabilístico es habitual en TFG, TFM y tesis aplicadas porque muchas investigaciones no tienen acceso a un marco muestral completo. También es pertinente cuando el interés no es calcular una prevalencia poblacional, sino comprender en profundidad un fenómeno o recoger información de perfiles muy concretos.
Por ejemplo, un TFM en Psicología que analiza la experiencia de estudiantes migrantes que han utilizado servicios de apoyo universitario puede recurrir a un muestreo intencional. En este caso, no necesita entrevistar a estudiantes elegidos al azar, sino a participantes que hayan vivido la experiencia relevante y puedan aportar información significativa.
El muestreo por conveniencia selecciona a quienes están disponibles y aceptan participar. Es rápido y económico, pero tiene más riesgo de sesgo. Puede ser útil para un estudio exploratorio, siempre que no presentes sus resultados como representativos de todos los estudiantes, pacientes o profesionales.
El muestreo intencional, también llamado por criterios o de juicio, selecciona casos con características definidas previamente. Es muy habitual en estudios cualitativos. El muestreo por cuotas busca incluir un número determinado de participantes de categorías relevantes, aunque la selección dentro de cada cuota no sea aleatoria. Por último, el muestreo bola de nieve es útil para acceder a poblaciones difíciles de localizar, ya que los primeros participantes recomiendan a otros que cumplen el perfil requerido.
La clave no es ocultar que la muestra es no probabilística, sino explicar por qué es coherente con el diseño. En una investigación cualitativa, la calidad depende mucho más de la pertinencia de los participantes, de la profundidad de las entrevistas y de la transparencia analítica que de alcanzar una cifra elevada de respuestas.
Cómo decidir el método para tu TFG o TFM
Empieza por tu pregunta de investigación. Si preguntas «¿qué porcentaje de estudiantes presenta ansiedad ante los exámenes?», buscas una estimación cuantitativa y te conviene valorar un enfoque probabilístico. Si preguntas «¿cómo describen los estudiantes su experiencia de ansiedad ante los exámenes?», probablemente necesitas un enfoque cualitativo y una selección intencional de participantes.
Después, revisa la población y el acceso real. ¿Existe un listado completo de sus miembros? ¿Tienes autorización para usarlo? ¿Puedes contactar a las personas elegidas aleatoriamente? Si la respuesta es no, no fuerces un muestreo probabilístico solo porque parezca más académico. Es mejor diseñar una muestra no probabilística bien delimitada que prometer una representatividad que no puedes demostrar.
También debes considerar el tiempo y los recursos. Un estudio con selección aleatoria puede perder calidad si no dispone de una estrategia para gestionar no respuestas. Por el contrario, una muestra de conveniencia puede ser viable, pero requerirá límites claros en la interpretación de resultados.
Cómo justificar la selección en la metodología
Una justificación sólida no se limita a nombrar el tipo de muestreo. Debe explicar quiénes pueden participar, quiénes quedan excluidos, cómo se contactará a los participantes, cuántos casos se prevén y por qué ese número es razonable.
En un estudio cuantitativo, conviene indicar la población objetivo, el marco muestral si existe, el procedimiento aleatorio y el cálculo o criterio usado para determinar el tamaño de muestra. Si trabajas con cuestionarios, describe también cómo evitarás duplicados y cómo tratarás las respuestas incompletas.
En un estudio cualitativo, define los criterios de inclusión, el tipo de muestreo intencional o bola de nieve y el criterio para detener la captación. Puede ser la saturación temática, es decir, el momento en que las nuevas entrevistas ya no aportan ideas relevantes. No uses este concepto como una frase automática: explica cómo valorarás que se ha alcanzado.
Una redacción posible sería: «Se empleará un muestreo no probabilístico intencional para seleccionar estudiantes de máster internacional que hayan utilizado el servicio de orientación psicológica de la universidad durante el último curso académico. Esta estrategia permitirá obtener relatos directamente vinculados con el objetivo del estudio. Los resultados se interpretarán en relación con los participantes analizados y no se extrapolarán a toda la población universitaria».
Errores que pueden restar credibilidad al estudio
El primero es confundir el tipo de muestreo con el tamaño de la muestra. Tener muchas respuestas no convierte una muestra de conveniencia en probabilística. Un cuestionario respondido por 300 seguidores de una cuenta de Instagram sigue pudiendo reflejar sesgos de autoselección.
El segundo es generalizar más allá de lo que permiten los datos. Si entrevistas a diez profesionales de un hospital, puedes analizar sus perspectivas, no afirmar que todos los profesionales sanitarios piensan igual. Reconocer este límite no debilita el trabajo: demuestra criterio metodológico.
El tercero es definir mal la población. «Personas jóvenes» o «usuarios frecuentes» son expresiones demasiado vagas si no estableces rangos de edad, territorio, periodo y condiciones de participación. Una población precisa facilita seleccionar la muestra y elaborar instrumentos coherentes.
Por último, no olvides la dimensión ética. La selección de participantes debe respetar consentimiento informado, confidencialidad y protección de datos. En ámbitos sanitarios, educativos o con colectivos vulnerables, revisa además los requisitos específicos de tu institución antes de iniciar la recogida.
Elegir una muestra defendible es una forma de cuidar todo el trabajo que viene después. Si tienes dudas entre varios diseños, no necesitas resolverlas a solas: una revisión metodológica a tiempo puede ayudarte a alinear objetivos, muestra, instrumento y análisis sin perder la autoría ni el control de tu investigación.
