Muestra y Población en Investigación: Tipos, Fórmulas y 20 Ejemplos para tu Tesis 2026
Uno de los errores más frecuentes en tesis de grado y maestría es confundir muestra y población en investigación — o peor, no saber justificar por qué se eligió un determinado tamaño muestral. Si tu comité tutoral te ha preguntado “¿cómo determinaste tu muestra?” y no tuviste una respuesta sólida, esta guía es para ti. Aquí encontrarás las definiciones exactas, todas las técnicas de muestreo con ejemplos reales de universidades latinoamericanas (UNAM, UBA, Tec de Monterrey, UNAL, U. de Chile), y la fórmula de Cochran paso a paso con cálculos numéricos.
Dominar la relación entre muestra y población no solo salva tu defensa — también define la validez de tus conclusiones. Una muestra mal calculada invalida todo el capítulo de resultados, sin importar cuánto tiempo hayas invertido en el análisis estadístico.
1. Diferencia entre población y muestra: definiciones exactas
En metodología de la investigación, la población (también llamada universo) es el conjunto completo de elementos — personas, instituciones, documentos, eventos — que comparten las características de interés para tu estudio. La muestra es el subconjunto seleccionado de esa población sobre el cual efectivamente recoges los datos.
La distinción no es solo conceptual: define qué tipo de análisis estadístico puedes hacer y qué tan lejos pueden llegar tus generalizaciones. Una muestra representativa permite inferir conclusiones sobre toda la población; una muestra mal seleccionada solo describe a sí misma.
| Dimensión | Población | Muestra |
|---|---|---|
| Definición | Conjunto total con la característica estudiada | Subconjunto representativo de la población |
| Tamaño | N (mayúscula) | n (minúscula) |
| Medidas | Parámetros (μ, σ) | Estadísticos (x̄, s) |
| Factibilidad | Frecuentemente inaccesible en su totalidad | Observable y manejable |
| Objetivo | Ser el referente de generalización | Representar fielmente a la población |
Ejemplo base: Una tesis sobre rendimiento académico en la UNAM. Población: todos los estudiantes de licenciatura de la UNAM (aproximadamente 110,000 en campus CU). Muestra: 384 estudiantes seleccionados aleatoriamente por facultad con estratificación proporcional.
2. Tipos de población en investigación
Antes de seleccionar tu técnica de muestreo, debes definir con precisión qué tipo de población tienes. Este paso va en el primer párrafo de tu sección metodológica y afecta directamente el cálculo del tamaño muestral.
- Población finita: Tiene un número conocido y contable de elementos. Ejemplo: los 850 docentes de una universidad. Se usa la fórmula de Cochran ajustada.
- Población infinita: Tiene un número desconocido o tan grande que es imposible contarlo. Ejemplo: todos los consumidores de café de América Latina. Se usa la fórmula sin factor de corrección (n = Z²·p·q / e²).
- Población accesible: El subconjunto de la población teórica a la que el investigador puede acceder realmente. Siempre debes justificar la brecha entre población teórica y población accesible.
- Población objetivo: La población teórica sobre la que quieres generalizar tus resultados. Debe quedar definida por criterios de inclusión y exclusión explícitos.
3. Muestreo probabilístico: tipos y cuándo usarlo
En el muestreo probabilístico cada elemento de la población tiene una probabilidad conocida y no nula de ser seleccionado. Es el estándar en investigación cuantitativa porque permite calcular el error muestral y generalizar resultados con rigor estadístico.
| Tipo | Procedimiento | Mejor para | Ejemplo tesis LATAM |
|---|---|---|---|
| Aleatorio simple | Sorteo o tabla de números aleatorios | Poblaciones homogéneas y con lista completa | Seleccionar 200 de 1,500 empleados de una empresa con padrón |
| Sistemático | Cada k-ésimo elemento (k = N/n) | Listas ordenadas: padrones, registros hospitalarios | Cada 5to expediente clínico del IMSS en Guadalajara |
| Estratificado | Dividir en estratos y muestrear cada uno | Poblaciones heterogéneas con subgrupos relevantes | Estudiantes UNAM por facultad (proporcional al tamaño de cada una) |
| Por conglomerados | Seleccionar grupos completos (aulas, barrios, municipios) | Poblaciones muy dispersas geográficamente | Encuesta educativa rural: seleccionar 10 escuelas primarias de Oaxaca y encuestar a todos sus alumnos |
| Polietápico | Combinación de dos o más etapas de muestreo | Estudios nacionales o regionales con recursos limitados | UNAL: primero seleccionar sedes (Bogotá, Medellín, Cali), luego facultades, luego estudiantes |
4. Muestreo no probabilístico: tipos y cuándo usarlo
El muestreo no probabilístico no garantiza que todos los elementos tengan igual probabilidad de selección. Es adecuado en investigación cualitativa, estudios exploratorios o cuando no existe un marco muestral disponible. No permite calcular el error muestral ni generalizar estadísticamente.
- Por conveniencia: Se seleccionan los casos más accesibles. Común en estudios piloto. Limitación: alto riesgo de sesgo de selección.
- Intencional o por juicio: El investigador selecciona casos que considera representativos. Útil en estudios cualitativos con informantes clave.
- Bola de nieve: Los participantes iniciales refieren a otros. Ideal para poblaciones ocultas o de difícil acceso (migrantes, comunidades específicas).
- Por cuotas: Se establece un número de participantes por categoría (género, edad, nivel educativo) y se recluta hasta completarlas. Equilibra representación sin ser probabilístico.
- Teórico (Grounded Theory): Los casos se seleccionan en función del desarrollo de la teoría emergente. Específico de la Teoría Fundamentada.
5. Cómo calcular el tamaño de muestra: fórmula de Cochran
La fórmula de Cochran es el estándar para calcular el tamaño de muestra en poblaciones finitas con muestreo aleatorio simple. Es la más solicitada en metodología de tesis en LATAM.
Fórmula para población infinita (o N > 10,000)
Fórmula ajustada para población finita (N conocido)
Donde:
- Z = Valor Z del nivel de confianza (1.96 para 95%; 2.576 para 99%; 1.645 para 90%)
- p = Proporción estimada de la característica en la población (0.5 si desconocida — maximiza n)
- q = 1 − p
- e = Margen de error tolerable (0.05 para 5%; 0.03 para 3%)
- N = Tamaño de la población
Ejemplo numérico paso a paso (UNAM Ingeniería)
Investigación sobre uso de herramientas digitales en estudiantes de ingeniería de la UAM Azcapotzalco. Población: N = 1,200 estudiantes. Nivel de confianza: 95% (Z = 1.96). p = 0.5. e = 0.05.
Paso 1: n₀ = (1.96² × 0.5 × 0.5) / 0.05² = (3.8416 × 0.25) / 0.0025 = 0.9604 / 0.0025 = 384.16 ≈ 384
Paso 2 (ajuste para N = 1,200):
n = (384 × 1,200) / (1,200 − 1 + 384) = 460,800 / 1,583 = 291 estudiantes
Con una población de 1,200, necesitas encuestar a 291 estudiantes para obtener resultados con 95% de confianza y 5% de margen de error. La diferencia con los 384 del cálculo infinito refleja el factor de corrección por población finita.
6. Tabla de tamaños de muestra recomendados por N de población
Esta tabla, derivada de la fórmula de Cochran con Z=1.96, p=0.5, e=0.05 (95% confianza, 5% margen de error), te permite estimar tu muestra de forma rápida:
| Tamaño población (N) | Muestra recomendada (n) | Muestra con 3% error |
|---|---|---|
| 100 | 80 | 91 |
| 200 | 132 | 169 |
| 500 | 217 | 341 |
| 1,000 | 278 | 516 |
| 2,000 | 322 | 696 |
| 5,000 | 357 | 880 |
| 10,000+ | 384 | 1,067 |
| Infinita | 384 | 1,067 |
7. 20 ejemplos de muestra y población por disciplina
Estos ejemplos siguen el formato estándar que debes usar en tu capítulo metodológico: definición de población con criterios de inclusión/exclusión, técnica de muestreo y justificación del tamaño.
Ciencias de la Salud (UNAM, IMSS, ISSSTE)
- Salud pública: Población: pacientes diabéticos tipo 2 del HGZ No. 1 del IMSS en Monterrey (N=620). Muestra: 237 pacientes (muestreo aleatorio simple, 95%, e=0.05).
- Enfermería: Población: enfermeras de turno nocturno de los 12 hospitales públicos de Cali, Colombia (N=340). Muestra: 181 enfermeras (muestreo estratificado proporcional por hospital).
- Nutrición: Población: estudiantes universitarios con diagnóstico de sobrepeso en la UAdeC Saltillo (N=280). Muestra: 162 estudiantes (muestreo sistemático, k=2).
- Medicina: Población: expedientes clínicos de pacientes con hipertensión del Hospital General de México, 2020-2025 (N=4,500). Muestra: 354 expedientes (aleatorio simple con tabla de números aleatorios).
Educación (UNAL, UBA, Tec Monterrey)
- Pedagogía: Población: docentes de primaria de la zona escolar 32 de la SEP en Puebla (N=180). Muestra: 123 docentes (muestreo censal-estratificado; Hernández Sampieri recomienda censo cuando N<300).
- Psicología educativa: Población: estudiantes de bachillerato en riesgo de deserción de los CCH-UNAM (N=2,200). Muestra: 327 estudiantes (estratificado por plantel).
- Educación superior: Población: egresados de la Facultad de Ciencias Sociales de la UNAL Bogotá, promociones 2018-2024 (N=1,850). Muestra: 319 egresados (muestreo aleatorio simple, padrón digital).
Ciencias Sociales y Humanidades
- Sociología: Población: habitantes de la colonia Iztapalapa Sur, CDMX, mayores de 18 años (N estimado 15,000). Muestra: 384 habitantes (muestreo por conglomerados en 3 etapas: manzana → hogar → adulto).
- Comunicación: Población: usuarios activos de Instagram con contenido en español, segmento 18-25 años (población infinita). Muestra: 384 usuarios (fórmula sin corrección; captación mediante anuncio digital).
- Trabajo social: Población: mujeres víctimas de violencia intrafamiliar atendidas por el DIF del Estado de Jalisco en 2025 (N=450). Muestra: 207 mujeres (muestreo intencional con criterios de inclusión + bola de nieve para casos derivados).
Ingeniería y Tecnología
- Industrial: Población: operarios de línea de producción en 3 plantas maquiladoras de Ciudad Juárez (N=720). Muestra: 252 operarios (estratificado proporcional por planta).
- Civil: Población: viviendas construidas en zona sísmica de la Ciudad de México entre 2015 y 2024 con permiso SEDUVI (N=3,200). Muestra: 344 viviendas (muestreo sistemático, k=10).
- Sistemas: Población: aplicaciones móviles publicadas en Google Play bajo categoría “educación” con más de 10,000 descargas en Argentina (N=85). Muestra: censo (N<100 → muestra = 100% de la población).
Economía y Administración (U. de Chile, ESPOL)
- Administración: Población: empresas PYME del sector textil en Guayaquil registradas en el ARCSA 2025 (N=390). Muestra: 194 empresas (aleatorio simple con marco muestral del Registro Mercantil).
- Economía: Población: mercados de abasto municipales de la Región Metropolitana de Chile (N=62). Muestra: 54 mercados (muestreo por cuotas por tipo de oferta; N pequeño).
- Contaduría: Población: contadores públicos certificados del IMCP Delegación Nuevo León activos en 2026 (N=1,100). Muestra: 285 contadores (aleatorio simple con directorio IMCP).
Ciencias Agropecuarias y Medio Ambiente
- Agronomía: Población: productores de aguacate del municipio de Uruapan registrados en SADER 2025 (N=2,800). Muestra: 338 productores (muestreo estratificado por tipo de riego).
- Biología ambiental: Población: cuerpos de agua superficial en la cuenca del Lerma-Santiago (N=45 puntos de monitoreo CONAGUA). Muestra: censo (N<100).
Derecho y Ciencias Políticas
- Derecho: Población: expedientes judiciales de divorcios tramitados en el Tribunal Superior de Justicia del Estado de Veracruz, 2022-2025 (N=1,750). Muestra: 315 expedientes (muestreo sistemático k=6).
- Ciencias Políticas: Población: ciudadanos registrados en el padrón electoral del municipio de Querétaro (N=580,000). Muestra: 384 ciudadanos (fórmula infinita por N>100,000; aplicación cara a cara en puntos de afluencia).
8. Errores comunes que invalidan tu muestra
| Error | Por qué invalida tu tesis | Cómo corregirlo |
|---|---|---|
| Usar la fórmula de población infinita con N conocido | Sobreestima la muestra (gastas más recursos de lo necesario) | Aplicar el factor de corrección de Cochran para población finita |
| Definir población sin criterios de inclusión/exclusión | Hace inreplicable el estudio; el comité lo rechazará | Redactar tabla de criterios explícita en el capítulo metodológico |
| Muestra de conveniencia sin justificación | Sesgo de selección que invalida generalizaciones | Justificar con limitaciones del estudio y alcance descriptivo |
| No reportar la tasa de respuesta real | Si respondieron 150 de 291 encuestados, la muestra real es 150 (51.5%) | Reportar n objetivo vs n efectivo y recalcular poder estadístico |
| Confundir muestra con unidad de análisis | Aplicas el instrumento a personas pero tu unidad son instituciones | Definir claramente: unidad de muestreo ≠ unidad de análisis |
9. Cómo redactar la sección de muestra y población en tu tesis
Tu sección metodológica sobre muestra y población debe responder estas cinco preguntas en orden:
- ¿Quién es tu población objetivo? — Con criterios de inclusión/exclusión explícitos.
- ¿Cuál es tu población accesible? — Justifica la diferencia si existe.
- ¿Qué técnica de muestreo usarás? — Nombra el tipo exacto y justifícalo en función del diseño de investigación.
- ¿Cómo calculaste el tamaño de muestra? — Muestra la fórmula con los valores numéricos sustituidos.
- ¿Cómo accederás a los participantes? — Describe el procedimiento de contacto y las consideraciones éticas (consentimiento informado, anonimato).
Para agilizar este proceso — y asegurarte de que la redacción de tu metodología es coherente con el resto del marco teórico — herramientas como Tesify pueden ayudarte a estructurar y revisar la consistencia de tu capítulo metodológico completo, incluyendo la operacionalización de las variables y los instrumentos. También puedes profundizar en la operacionalización de variables y en cómo redactar el instrumento de recolección de datos para completar tu metodología.
Preguntas frecuentes
¿Cuál es la diferencia entre muestra y población en investigación?
La población es el conjunto total de elementos con la característica de interés para tu estudio (todos los estudiantes de una universidad, todos los pacientes de un hospital). La muestra es el subconjunto representativo que seleccionas y al que aplicas los instrumentos de recolección. Mientras la población define el alcance de las generalizaciones, la muestra determina la viabilidad práctica del estudio.
¿Cuántos participantes necesito para mi tesis?
Depende del tamaño de tu población (N) y del margen de error que aceptes. Con la fórmula de Cochran al 95% de confianza y 5% de error: N=100 → n=80; N=500 → n=217; N=1,000 → n=278; N≥10,000 → n=384. Si tu N es muy pequeño (menos de 100), considera aplicar un censo (encuestar a toda la población) en lugar de muestreo.
¿Puedo usar muestreo por conveniencia en mi tesis?
Sí, pero debes declararlo explícitamente y limitar el alcance de tus conclusiones. El muestreo por conveniencia es aceptable en investigación cualitativa, estudios exploratorios o cuando el acceso a la población completa no es viable. La clave es no generalizar estadísticamente a la población general cuando tu muestra no es probabilística. Algunos comités académicos en UNAM y UBA lo aceptan si las limitaciones están bien justificadas.
¿Qué diferencia hay entre muestreo estratificado y por conglomerados?
En el muestreo estratificado, divides la población en subgrupos (estratos) homogéneos y seleccionas individuos de cada estrato — obtienes representación garantizada de todos los subgrupos. En el muestreo por conglomerados, seleccionas grupos completos (aulas, municipios, hospitales) y estudias a todos sus miembros — es más eficiente logísticamente pero potencialmente menos preciso. Usa estratificado cuando la heterogeneidad entre subgrupos es relevante para tu hipótesis; usa conglomerados cuando la población está dispersa geográficamente.
¿Cómo justificar el tamaño de muestra ante el comité de tesis?
Presenta la fórmula de Cochran con todos los valores sustituidos (Z, p, q, e, N), el resultado numérico y la fuente del dato poblacional (censo, padrón institucional, registro oficial). Si tuviste dificultades para completar la muestra planeada (tasa de no respuesta), reporta n efectivo y recalcula el margen de error real. Los comités de UNAM, Tec Monterrey y UBA aceptan como estándar: nivel de confianza 95%, margen de error 5%, p=0.5 cuando no se tiene estimación previa.
¿La muestra y la unidad de análisis son lo mismo?
No necesariamente. La unidad de muestreo es el elemento que seleccionas (una empresa). La unidad de análisis es el elemento sobre el que mides las variables (el gerente de esa empresa). En muchos estudios coinciden, pero en diseños multinivel o jerárquicos pueden ser distintos. Aclarar esta diferencia en tu metodología evita confusiones en el análisis estadístico y en la interpretación de resultados.
¿Quieres redactar tu capítulo metodológico completo sin bloqueos?
La sección de muestra y población es solo una parte. Necesitas también la operacionalización de variables, los instrumentos validados y la redacción en el estilo que exige tu universidad. Tesify te ayuda a estructurar y redactar cada sección metodológica con IA especializada en tesis LATAM — con ejemplos de UNAM, Tec, UBA y UNAL integrados. Empieza gratis y llega a la defensa con seguridad.
Leave a Reply