Muestra y Población en Investigación: Diferencias, Tipos y Cómo Calcularlas

Entender la diferencia entre muestra y población en investigación es fundamental para diseñar correctamente tu tesis o proyecto académico. Este es uno de los conceptos que más dudas genera en los estudiantes al llegar a la sección de metodología: ¿investigo a toda la población o tomo una muestra? ¿Cómo elijo a los participantes? ¿Cuántas personas necesito?

En esta guía encontrarás las definiciones precisas, los tipos de muestreo más usados en América Latina y las fórmulas para calcular el tamaño de muestra adecuado para tu investigación.

La población de estudio: definición y delimitación

La población de estudio (también llamada universo) es el conjunto de todos los elementos que cumplen los criterios de inclusión de la investigación. Al definirla, debes precisar:

• Quiénes: características de los sujetos (estudiantes de licenciatura, pacientes con hipertensión, empresas PyME, etc.)
• Dónde: delimitación geográfica (ciudad, universidad, hospital, región)
• Cuándo: delimitación temporal (durante el ciclo 2025-2026, entre enero y junio de 2026)

Ejemplo de definición de población: “La población de este estudio está conformada por todos los estudiantes de licenciatura inscritos en la Facultad de Ciencias Políticas y Sociales de la UNAM durante el semestre 2026-1, con un total de 3.420 estudiantes según datos del Departamento de Control Escolar.”

La diferencia entre población objetivo y población accesible: la objetivo es a quien te gustaría generalizar; la accesible es a quien realmente puedes llegar con tus recursos. En la práctica, trabajas con la accesible.

La muestra de estudio: representatividad y criterios

La muestra es el subconjunto de la población que efectivamente participará en la investigación. Para que los resultados sean generalizables, la muestra debe ser representativa: debe reflejar las características de la población en sus variables más importantes.

Los criterios de selección de la muestra se dividen en:

• Criterios de inclusión: características que deben tener los participantes para ser incluidos (Ej.: ser mayor de 18 años, hablar español, estar inscrito en el programa X)
• Criterios de exclusión: características que los descalifican aunque cumplan los de inclusión (Ej.: haber interrumpido los estudios por más de un semestre, tener diagnóstico de X condición)

Tipos de muestreo en investigación académica

Los métodos de muestreo se dividen en dos grandes categorías:

Muestreo probabilístico (cuantitativo)

Todos los elementos de la población tienen una probabilidad conocida de ser seleccionados. Permite generalizar resultados con mayor rigor estadístico:

• Muestreo aleatorio simple: cada elemento tiene la misma probabilidad. Ideal para poblaciones homogéneas y accesibles.
• Muestreo sistemático: se selecciona cada n-ésimo elemento de una lista ordenada.
• Muestreo estratificado: se divide la población en subgrupos (estratos) y se toma muestra proporcional de cada uno. Ideal cuando hay grupos con características distintas (por carrera, por género, por nivel socioeconómico).
• Muestreo por conglomerados: se seleccionan grupos completos (aulas, comunidades) en lugar de individuos.

Muestreo no probabilístico (cualitativo y algunos cuantitativos)

La selección no es aleatoria — se elige deliberadamente según criterios del investigador. No permite generalización estadística pero es válido en investigación cualitativa:

• Muestreo por conveniencia: se selecciona a quienes están disponibles y accesibles.
• Muestreo intencional o de juicio: el investigador elige deliberadamente a los casos que mejor responden a los objetivos del estudio.
• Muestreo bola de nieve: los primeros participantes refieren a otros. Útil para poblaciones de difícil acceso.
• Muestreo teórico: la selección continúa hasta alcanzar saturación teórica (en investigación cualitativa).

Cómo calcular el tamaño de muestra

Para estudios cuantitativos, el tamaño de muestra se calcula para garantizar que los resultados sean estadísticamente válidos. Los factores que influyen son:

• Nivel de confianza: usualmente 95% (z = 1,96)
• Margen de error: usualmente 5% (e = 0,05)
• Variabilidad: p = 0,5 (máxima variabilidad, el escenario más conservador)
• Tamaño de la población: N

Fórmula para población finita (la más usada en tesis):

n = (N × z² × p × q) / (e² × (N-1) + z² × p × q)

Donde: N = tamaño de la población, z = valor z para el nivel de confianza (1,96 para 95%), p = proporción esperada (0,5), q = 1-p = 0,5, e = margen de error (0,05)

Ejemplo: Para una población de 1.000 estudiantes, con IC 95% y error del 5%:
n = (1000 × 1,96² × 0,5 × 0,5) / (0,05² × 999 + 1,96² × 0,5 × 0,5) = 278 participantes

Puedes usar calculadoras en línea como Raosoft o la calculadora de tamaño de muestra de SurveyMonkey para simplificar el proceso.

Ejemplos de población y muestra por área

Psicología / Educación (México)

Población: 2.500 estudiantes de licenciatura de la Facultad de Psicología de la UNAM, ciclo 2026-1.
Muestra: 334 estudiantes seleccionados por muestreo aleatorio estratificado por semestre (1º a 8º).
Cálculo: n calculado con IC 95% y error del 5%; proporcional por semestre.

Salud Pública (Colombia)

Población: Pacientes mayores de 60 años con diagnóstico de hipertensión arterial atendidos en el Centro de Salud X de Bogotá durante el primer trimestre de 2026 (N = 450).
Muestra: 208 pacientes por muestreo aleatorio simple.
Criterios de exclusión: pacientes con diagnóstico de insuficiencia renal o que no hablen español.

Investigación cualitativa (Argentina)

Población accesible: Directores de escuelas primarias de la Ciudad de Buenos Aires que hayan participado en el programa X.
Muestra: 12 directores seleccionados intencionalmente, buscando variedad en experiencia, tipo de escuela (pública/privada) y zona geográfica. El muestreo continuará hasta alcanzar saturación teórica.

Preguntas frecuentes sobre muestra y población