Muestreo: Cómo Estudiar una Población Sin Examinar a Todos
Las encuestas electorales entrevistan a 2.000 personas para representar a 150 millones. Aprende cómo el muestreo hace esto posible y dónde pueden surgir distorsiones.
Renato Freitas
Actualizado el 5 de mayo de 2026
Población y muestra
En estadística, población es el conjunto completo de elementos sobre los cuales queremos sacar conclusiones. Una muestra es un subconjunto de esa población, elegido para representarla. Cuando un laboratorio prueba medicamentos, no puede administrar el fármaco a todas las personas del planeta: se usa una muestra.
Estudiar la población entera (censo) es costoso, lento y a veces imposible. Un análisis de sangre destruye la muestra: no puedes analizar toda la sangre del paciente. Una encuesta sobre calidad de vida de 200 millones de personas llevaría décadas y costaría miles de millones. El muestreo resuelve estas restricciones con rigor matemático.
🧮 Pruébalo tú mismo — CalcSim
¿Quieres más funciones? Descargar app CalcSim IA
Tipos de muestreo
En el muestreo aleatorio simple, cada elemento de la población tiene igual probabilidad de ser seleccionado, como sortear números en una urna. Es el método más puro teóricamente, pero puede ser impracticable para poblaciones muy grandes o geográficamente dispersas.
El muestreo sistemático selecciona elementos en intervalos regulares: se elige el primero aleatoriamente y luego se toma cada k elementos. Si la población tiene 10.000 y queremos 100 elementos, k = 100: se sortea el primero entre 1 y 100, luego se toma el 100.°, 200.°, 300.° etc.
El muestreo estratificado divide la población en subgrupos (estratos) con características similares —como grupo de edad, género o región— y sortea proporcionalmente de cada estrato. Esto garantiza la representatividad de todos los grupos. El muestreo por conglomerados selecciona grupos enteros (escuelas, ciudades, manzanas) en lugar de individuos, lo cual es útil cuando no existe una lista completa de la población.
- Aleatorio simple: cada elemento tiene igual probabilidad de selección
- Sistemático: selección en intervalos regulares
- Estratificado: subgrupos representados proporcionalmente
- Por conglomerados: se seleccionan grupos enteros
Error muestral y tamaño de muestra
Ninguna muestra representa perfectamente a la población: siempre existe error muestral. El margen de error indica el intervalo dentro del cual probablemente se encuentra el verdadero valor poblacional. Una encuesta con margen de error de ±3 pp y resultado del 45% significa que el valor real está entre el 42% y el 48% con cierto nivel de confianza (generalmente 95%).
El tamaño de la muestra es el principal determinante del margen de error. Doblar el tamaño de la muestra no duplica la precisión: mejora de forma proporcional a la raíz cuadrada. Para reducir el margen de error a la mitad, es necesario cuadruplicar la muestra. Por eso, las encuestas nacionales con 2.000 entrevistados ya tienen un margen de error razonable (alrededor de ±2 pp), mientras que las encuestas municipales de ciudades más pequeñas pueden necesitar menos.
Además del tamaño, el método de selección es crucial. Una muestra grande y mal seleccionada (con sesgo sistemático) es peor que una pequeña y bien seleccionada. El sesgo ocurre cuando ciertas personas tienen mucha más o menos probabilidad de ser elegidas que otras.
Preguntas frecuentes
¿Por qué las encuestas electorales a veces se equivocan tanto?
Generalmente por sesgo muestral o por el efecto 'Bradley' (las personas no dicen la verdad sobre ciertas preferencias). Además, el margen de error se aplica individualmente a cada candidato, y en contiendas reñidas la incertidumbre total es mayor. Las encuestas también se realizan días o semanas antes de la elección, y la intención de voto puede cambiar.
¿Cuál es el mínimo de entrevistados para que una encuesta sea válida?
No existe un mínimo absoluto: depende del nivel de variación de la población y de la precisión deseada. En poblaciones muy homogéneas, 30 elementos pueden ser suficientes. Para encuestas nacionales con múltiples subgrupos, se usan típicamente entre 1.000 y 2.000 entrevistados para un margen de error de 2 a 3 puntos porcentuales.
¿Qué es un intervalo de confianza?
Es el intervalo que, con determinado nivel de confianza (generalmente 95%), contiene el verdadero parámetro poblacional. Un IC del 95% de [42%, 48%] significa que si repitiéramos el proceso de muestreo 100 veces, esperaríamos que 95 de esos intervalos contengan el valor verdadero.
¿La muestra de conveniencia es un problema?
Sí. La muestra de conveniencia —como encuestar solo a quienes pasan frente a una universidad o solo a seguidores de un perfil— tiene un sesgo alto y rara vez representa bien a la población objetivo. Sus conclusiones son limitadas y no pueden generalizarse con confianza.
¿Este artículo te fue útil?
Califica con estrellas para ayudarnos a mejorar el contenido.
Inicia sesión para calificar este artículo.
¿Aún tienes dudas?
El Profesor IA explica paso a paso
Haz una pregunta en lenguaje natural y recibe una explicación personalizada sobre Estadística Básica — o cualquier otro tema.
¿Prefieres resolverlo en el móvil?
Descargar la app gratis →Sigue aprendiendo