La compensación central
El muestreo probabilístico y no probabilístico difieren en un punto clave: si cada miembro de su población objetivo tiene una probabilidad conocida y no nula de ser seleccionado.
El muestreo probabilístico ofrece esta garantía. Permite calcular el margen de error de sus hallazgos y defender ese número ante un donante, evaluador o contraparte gubernamental. Si alguien pregunta "¿qué tan seguro está de esta estimación?", puede dar una respuesta estadística precisa.
El muestreo no probabilístico no ofrece esta garantía. Los participantes se seleccionan basándose en el acceso, el juicio o las redes de referencia. Los hallazgos son válidos y pueden ser rigurosos, pero no se puede calcular cuán representativos son. Esto no es un defecto; simplemente significa que responden a un tipo diferente de pregunta.
La elección no se trata de rigor. Una muestra intencional bien ejecutada para la investigación cualitativa es más rigurosa que una encuesta aleatoria mal administrada. La elección se trata de la conclusión que necesita extraer.
| Factor | Muestreo Probabilístico | Muestreo No Probabilístico |
|---|---|---|
| Representatividad estadística | Sí, calculable | No |
| Marco de muestreo requerido | Sí | No |
| Margen de error | Calculable | No calculable |
| Generalizabilidad | A la población objetivo definida | No se puede generalizar estadísticamente |
| Costo y tiempo | Mayor | Menor |
| Sesgo | Cuantificable si el marco está incompleto | Inherente e incuantificable |
| Más adecuado para | Encuestas de cobertura, líneas de base, evaluaciones de impacto | Informantes clave, grupos focales, evaluaciones rápidas |
Antes de comprometerse con cualquiera de los enfoques, utilice la Calculadora de Muestreo para confirmar si el tamaño de muestra que requiere su diseño probabilístico es factible dentro de su presupuesto y cronograma. Si no lo es, debe ajustar sus requisitos de precisión o reconsiderar el método.
Métodos de muestreo probabilístico
Cuatro métodos probabilísticos cubren la mayoría de los casos de uso en monitoreo y evaluación. Cada uno tiene diferentes requisitos para el marco de muestreo y distintas implicaciones para la logística de campo y el análisis.
Muestreo aleatorio simple (MAS): Cada unidad de la población tiene una probabilidad igual y conocida de ser seleccionada. Es fácil de entender y sencillo de analizar. Requiere una lista completa y precisa de toda la población. Es raro en el monitoreo y evaluación de campo porque las listas completas de población casi nunca existen en la práctica, particularmente en contextos rurales o de asentamientos informales donde viven los beneficiarios del programa.
Muestreo sistemático: Seleccione cada enésima unidad de una lista ordenada. Por ejemplo, cada octavo hogar en una lista de registro comunitario, o cada quinta instalación de salud en una base de datos nacional de información de salud. Es práctico para los equipos de campo porque la regla de selección es simple de explicar y verificar. Funciona bien a lo largo de transectos de hogares. El riesgo: si la lista tiene periodicidad oculta (por ejemplo, los líderes comunitarios se enumeran al comienzo de cada bloque de aldea), su muestra arrastrará ese sesgo.
Muestreo estratificado: Divida la población en subgrupos no superpuestos (estratos) como género, distrito o quintil de riqueza, luego muestree aleatoriamente dentro de cada estrato. Utilice esto cuando necesite estimaciones precisas para subgrupos específicos, o cuando los subgrupos difieran sustancialmente entre sí en el resultado que está midiendo. Requiere conocer los tamaños de los estratos antes de que comience el muestreo. Produce estimaciones más precisas que el MAS cuando los estratos son internamente homogéneos.
Muestreo por conglomerados: Agrupe unidades en conglomerados (aldeas, escuelas, áreas de influencia de instalaciones de salud), seleccione conglomerados aleatoriamente y luego encueste a todas o a un subconjunto aleatorio de unidades dentro de cada conglomerado seleccionado. Es la elección práctica cuando no existe una lista completa de la población, que es la situación estándar en las encuestas de campo. La compensación: las personas dentro de los conglomerados son más similares entre sí de lo que serían los individuos seleccionados aleatoriamente, lo que aumenta la varianza en relación con el MAS. Este factor de inflación es el efecto de diseño. Consulte muestreo por conglomerados para obtener orientación técnica sobre cómo calcular el efecto de diseño y ajustar el tamaño de la muestra en consecuencia.
Eligiendo el método probabilístico correcto
| Método | Usar cuando | Evitar cuando |
|---|---|---|
| Aleatorio simple | Existe una lista de población completa y precisa | No hay lista disponible, la población está geográficamente dispersa |
| Sistemático | Hay una lista secuencial disponible (registro, transecto) | La lista tiene patrones de orden ocultos |
| Estratificado | Se requieren comparaciones de subgrupos, los estratos difieren sustancialmente | La pertenencia al estrato se desconoce antes del muestreo |
| Por conglomerados | No hay una lista completa de la población, la población está geográficamente agrupada | El presupuesto permite la selección individual y existe una lista |
La elección de campo más común en el monitoreo y evaluación para el desarrollo internacional es el muestreo por conglomerados con probabilidad proporcional al tamaño (PPS): los conglomerados se seleccionan aleatoriamente con probabilidad proporcional a su población estimada, luego se selecciona un número fijo de unidades aleatoriamente dentro de cada conglomerado. Aborda la ausencia de listas de población, controla los tamaños desiguales de los conglomerados y es fácil de auditar en el campo.
Si su programa sirve a múltiples distritos y requiere comparaciones de subgrupos (mujeres vs. hombres, comunidades de tratamiento vs. comparación), el muestreo estratificado produce estimaciones de subgrupos más precisas, pero necesita datos de población por estrato antes de comenzar. Para obtener orientación sobre esta compensación específica, consulte muestreo por conglomerados vs. estratificado.
En caso de duda entre métodos, opte por el muestreo por conglomerados con ajuste del efecto de diseño. Es el método probabilístico más práctico en el campo y el más defendible cuando no se dispone de una lista completa de la población, lo cual ocurre en la mayoría de las encuestas de hogares realizadas en contextos de países de ingresos bajos y medios.
Métodos de muestreo no probabilístico
Cinco métodos no probabilísticos cubren toda la gama de contextos de monitoreo y evaluación cualitativos y con acceso restringido. Cada uno es legítimo para ciertos propósitos e inapropiado para otros.
Muestreo intencional (por juicio): Usted selecciona participantes basándose en características o experiencia específicas directamente relevantes para su pregunta de investigación. Este es el enfoque estándar para entrevistas con informantes clave, paneles de expertos y selección de sitios de estudio de caso. Los criterios para quién es seleccionado y quién es excluido deben documentarse explícitamente y justificarse en su sección de metodología.
Muestreo por conveniencia: Usted selecciona a quien sea accesible en el momento de la recopilación de datos. Es el método más fácil de ejecutar y el más sujeto a sesgos de selección. Es aceptable cuando las restricciones de acceso genuinas hacen imposibles otros métodos, pero la limitación debe indicarse claramente en el informe y los hallazgos no deben generalizarse más allá de las personas muestreadas.
Muestreo en bola de nieve: Los participantes existentes refieren a participantes posteriores al estudio. Se utiliza para llegar a poblaciones ocultas, estigmatizadas o de difícil acceso: personas que viven con VIH, personas desplazadas internas, migrantes indocumentados, sobrevivientes de violencia de género. No puede producir hallazgos estadísticamente representativos, pero a veces es el único camino ético para llegar a estas comunidades.
Muestreo por cuotas: Establezca recuentos objetivo para subgrupos (por ejemplo, 25 mujeres y 25 hombres) y complételos por conveniencia dentro de cada grupo. Parece muestreo estratificado en la superficie, pero carece de selección aleatoria dentro de los subgrupos, lo que significa que el sesgo de selección no se cuantifica. Es común en evaluaciones rápidas e investigación de mercado. Es aceptable cuando el muestreo aleatorio estratificado no es factible y necesita una representación aproximada de subgrupos.
Muestreo de máxima variación: Seleccione participantes que difieran lo más ampliamente posible en variables clave: edad, geografía, exposición al programa, tipo de sustento, etnia. Se utiliza en estudios cualitativos específicamente para capturar la gama completa de experiencias y perspectivas en lugar de estimar una tendencia central. El objetivo es la amplitud conceptual, no la representatividad estadística.
Cuándo el muestreo no probabilístico tiene sentido
El muestreo no probabilístico es la elección correcta en tres escenarios.
Recopilación de datos cualitativos: Los grupos focales, las entrevistas con informantes clave, los estudios de caso y la mayoría de los análisis de cambio significativo utilizan métodos no probabilísticos por diseño. El objetivo es la profundidad y la variedad de perspectivas, no una estimación estadísticamente representativa. No hay ningún problema inherente en esto; es el enfoque metodológicamente correcto para la investigación cualitativa y tiene una base de evidencia bien establecida en la ciencia de la evaluación.
Contextos con acceso restringido: Cuando opera en áreas de conflicto activo, trabaja con poblaciones desplazadas o en comunidades donde la construcción de un marco de muestreo es imposible dentro de su cronograma, una muestra no probabilística con una lógica de selección claramente documentada y justificada es mejor que un diseño probabilístico que no se puede ejecutar correctamente. Una muestra por conveniencia honestamente reconocida y delimitada es más defendible que una muestra "aleatoria" que en realidad no fue aleatoria en la práctica.
Evaluaciones operativas rápidas: Cuando la velocidad es la restricción primordial y los hallazgos informarán decisiones operativas internas en lugar de la rendición de cuentas pública o la presentación de informes de cobertura a los donantes, los métodos no probabilísticos son aceptables. La limitación debe aparecer claramente en el informe y los hallazgos deben ser acotados en consecuencia.
No elija el muestreo no probabilístico para evitar el costo o la logística de un marco de muestreo. Si sus hallazgos se utilizarán para informar tasas de cobertura, alcance de beneficiarios o efectividad del programa a cualquier audiencia externa, se requiere el muestreo probabilístico. Ese costo es parte del programa, no un extra opcional.
Ejemplos sectoriales
Salud: encuesta de cobertura de vacunación en África Occidental rural
Un equipo de salud de distrito necesitaba informar la cobertura de vacunación contra el sarampión en 40 zonas de salud sin un registro de hogares disponible. Utilizando el muestreo por conglomerados con probabilidad proporcional al tamaño: se seleccionaron 20 aldeas con ponderación PPS, luego se seleccionaron aleatoriamente 7 hogares por conglomerado para un total de 140 entrevistas. Se aplicó el efecto de diseño de 1.8, reduciendo el tamaño de muestra efectivo a 78, lo que aún cumplía con los requisitos de precisión de más o menos 8 puntos porcentuales con un 95% de confianza. La estimación de cobertura resultante se utilizó tanto para la presentación de informes del programa como para el panel del ministerio de salud del distrito. El método fue auditable en el campo: los encuestadores podían mostrar a los supervisores exactamente qué hogares fueron seleccionados y por qué.
Educación: comprender el abandono escolar en África Oriental urbana
Un equipo de investigación que estudiaba por qué las niñas abandonan la escuela secundaria en asentamientos informales urbanos necesitaba una comprensión profunda, no una cifra de prevalencia. No existía un marco de muestreo para la población de niñas que abandonaron la escuela. Utilizaron muestreo intencional: se seleccionaron 6 escuelas por variación en las tasas de abandono (2 bajas, 2 medias, 2 altas), 5 grupos focales con niñas que se habían retirado de la escuela y 12 entrevistas con informantes clave, incluyendo maestros, padres y líderes comunitarios. El propósito era mapear mecanismos y barreras, no estimar cuántas niñas habían abandonado la escuela en toda la ciudad. El muestreo probabilístico no era factible ni apropiado para esta pregunta de investigación.
WASH: cobertura de letrinas en un programa de seguridad alimentaria
Un programa de seguridad alimentaria en el sur de África necesitaba informar la cobertura de letrinas al final del proyecto en 6 aldeas objetivo. No había una lista de población disponible. El equipo utilizó muestreo sistemático: los equipos de campo realizaron transectos de hogares y encuestaron cada octavo hogar encontrado. El método fue simple, auditable en el campo y suficiente para el margen de error aceptable según los requisitos de informes del programa. Crucialmente, el equipo documentó los puntos de inicio del transecto y el intervalo de salto para que el enfoque de muestreo pudiera revisarse y replicarse en la línea final.
Medios de vida: mapeo de actores del sistema de mercado en África Oriental
Un programa de medios de vida necesitaba comprender las barreras que enfrentan las mujeres comerciantes en un sistema de mercado regional. No existía una lista de actores del mercado y la población no estaba delimitada de ninguna manera útil. El equipo utilizó el muestreo en bola de nieve, comenzando con líderes de asociaciones de mujeres conocidas, expandiéndose a través de referencias a comerciantes, intermediarios, proveedores de insumos y proveedores de transporte. El propósito era mapear el sistema de mercado e identificar puntos de entrada para el apoyo del programa, no contar o perfilar estadísticamente la población de comerciantes. Los hallazgos informaron directamente qué actores de la cadena de valor priorizó el programa para las actividades de desarrollo de capacidades.
Errores comunes
Error 1: llamar al muestreo por conveniencia "aleatorio". En el lenguaje cotidiano, "aleatorio" significa fortuito o no planificado. En estadística, significa que cada unidad tiene una probabilidad conocida y calculable de selección. Estos no son lo mismo. Etiquetar una muestra por conveniencia como aleatoria en su informe es inexacto y socavará su credibilidad ante cualquier evaluador externo que lea con atención. Utilice el término correcto y explique su enfoque de selección claramente.
Error 2: usar muestreo intencional para estimaciones de cobertura. El muestreo intencional le informa sobre los casos que seleccionó, no sobre la población de la que provienen. Si realiza entrevistas con informantes clave a 15 trabajadores de salud comunitarios seleccionados intencionalmente y 12 dicen que recibieron capacitación, eso es el 80% de su muestra. No es el 80% de todos los trabajadores de salud comunitarios del distrito. Informar esto como una cifra de cobertura es un error de categoría que invalida la conclusión.
Error 3: ignorar el efecto de diseño en las muestras por conglomerados. Analizar los datos de una muestra por conglomerados como si fueran datos de una muestra aleatoria simple produce intervalos de confianza demasiado estrechos. Tiene más varianza en sus estimaciones de lo que suponen los supuestos del MAS, porque las personas dentro de los conglomerados son más similares entre sí de lo que serían los individuos seleccionados aleatoriamente. Ajuste el tamaño de su muestra para el efecto de diseño antes de la recopilación de datos y téngalo en cuenta en el análisis. Consulte cómo elegir el tamaño de la muestra para obtener orientación sobre el cálculo del efecto de diseño.
Error 4: falta de documentación de la lógica de selección para muestras no probabilísticas. Cada muestra no probabilística necesita un registro escrito: quién fue seleccionado, los criterios utilizados, quién fue excluido y por qué, y cómo se contactó a los participantes. Sin esta documentación, su metodología no puede replicarse, evaluarse en busca de sesgos sistemáticos o defenderse en una revisión de calidad de la evaluación. Un párrafo en la sección de métodos es el mínimo.
Error 5: informar patrones cualitativos como porcentajes. "El 80% de los entrevistados mencionó X" en una muestra intencional de 10 implica una precisión estadística que no existe. Los patrones cualitativos son temas, tendencias y mecanismos, no distribuciones. Infórmelos como "la mayoría de los participantes describieron" o "en todos los sitios de grupos focales, un tema consistente fue", no como porcentajes que implican un margen de error calculable detrás de ellos.
Recursos relacionados
Si está trabajando en una decisión de muestreo para una próxima encuesta o evaluación, estos recursos cubren los siguientes pasos.
Para cálculos: La Calculadora de Muestreo calcula el tamaño de muestra requerido basándose en el tamaño de la población, la precisión deseada y el nivel de confianza. Ajusta el efecto de diseño cuando utiliza muestreo por conglomerados y añade un búfer de no respuesta. Realice este cálculo antes de finalizar su presupuesto de recopilación de datos.
Para detalles del método: Métodos de Muestreo proporciona una taxonomía completa de enfoques probabilísticos y no probabilísticos con orientación sobre cuándo se aplica cada uno en contextos de monitoreo y evaluación. Muestreo Aleatorio cubre las definiciones técnicas y la importante distinción entre selección aleatoria (a quién incluye) y asignación aleatoria (quién recibe la intervención), que es una fuente frecuente de confusión en las evaluaciones de impacto.
Para documentación de muestreo cualitativo: Muestreo Intencional explica cómo documentar y justificar una estrategia de selección intencional de manera que satisfaga a los revisores y cumpla con los estándares comunes de calidad de la evaluación.
Para comparaciones método a método: Muestreo por conglomerados vs. estratificado le ayuda a decidir entre los dos enfoques probabilísticos más comunes una vez que haya confirmado que necesita muestreo probabilístico. Cómo elegir el tamaño de la muestra maneja el cálculo de 'n' y el ajuste del efecto de diseño una vez que su método está confirmado.
Si su programa utiliza tanto la recopilación de datos cuantitativos como cualitativos, consulte métodos cualitativos vs. cuantitativos vs. mixtos para saber cómo secuenciar las dos vertientes y evitar el error común de tratar los hallazgos cualitativos como si tuvieran peso cuantitativo.