Muestra y Población en Investigación: Cómo Definirlas con Ejemplos LATAM 2026
Cuando llegas al capítulo de metodología de tu tesis, una de las primeras preguntas que debes responder es: ¿a quiénes voy a estudiar? Y aquí aparecen dos conceptos que muchos estudiantes confunden o definen de manera incorrecta: la población y la muestra. Definirlos mal puede invalidar tus resultados o generar observaciones críticas en la defensa.
En esta guía aprenderás la diferencia conceptual entre ambos, cómo se calcula el tamaño muestral con la fórmula de Cochran (la más usada en tesis latinoamericanas), cuáles son los tipos de muestreo y qué criterios de inclusión y exclusión debes declarar. Todo con ejemplos concretos de tesis de la UNAM, UNAL, UBA y Universidad de Chile.
Población vs. muestra: la diferencia fundamental
La población (también llamada universo en algunos textos) es el conjunto completo de unidades de análisis que reúnen las características que tu investigación quiere estudiar. No se refiere necesariamente a personas: puede ser hospitales, escuelas, artículos periodísticos, animales, productos industriales o cualquier otra unidad según tu objeto de estudio.
La muestra es el subconjunto de esa población sobre el que efectivamente aplicarás tu instrumento de recolección de datos. Es, en esencia, la porción del universo que vas a estudiar directamente porque estudiar toda la población sería imposible, inviable económicamente o innecesario si la muestra es representativa.
Tipos de población: finita e infinita
Esta distinción es crucial porque determina qué fórmula usarás para calcular el tamaño muestral:
- Población finita: Se conoce con precisión la cantidad total de elementos. Ejemplo: los 1,240 docentes de educación primaria del municipio de Xalapa, Veracruz. Como se puede contar, usas la fórmula de Cochran con corrección de finitud.
- Población infinita o muy grande: No se conoce el total exacto o es tan grande que el factor de corrección no cambia el resultado significativamente (generalmente cuando N > 100,000). Ejemplo: estudiantes universitarios de México. Usas la fórmula de Cochran para población infinita.
Cómo calcular el tamaño de muestra
El tamaño de la muestra depende de tres parámetros que debes definir antes de calcular:
| Parámetro | Símbolo | Valor estándar en tesis | ¿Qué significa? |
|---|---|---|---|
| Nivel de confianza | Z | 1.96 (para 95%) | Probabilidad de que la muestra sea representativa |
| Margen de error | e | 0.05 (5%) | Máxima diferencia tolerable entre muestra y población |
| Probabilidad de éxito / fracaso | p / q | 0.5 / 0.5 (máximo tamaño) | Proporción esperada de la característica de interés |
| Tamaño de la población | N | El número real de tu universo | Solo para poblaciones finitas |
Fórmula de Cochran: paso a paso
La fórmula de Cochran (1977) es el estándar en la mayoría de las tesis latinoamericanas de ciencias sociales, educación y salud:
Para población infinita o muy grande:
n₀ = (Z² × p × q) / e²
Para población finita (corrección de finitud):
n = n₀ / (1 + (n₀ – 1) / N)
Ejemplo resuelto — Tesis de Psicología, UNAM 2025:
- Población: 4,800 estudiantes de 1.er semestre de licenciatura en la UNAM CDMX (N = 4,800)
- Nivel de confianza: 95% → Z = 1.96
- Margen de error: 5% → e = 0.05
- p = 0.5, q = 0.5
n₀ = (1.96² × 0.5 × 0.5) / 0.05² = (3.8416 × 0.25) / 0.0025 = 384.16 ≈ 385
n = 385 / (1 + (385 – 1) / 4,800) = 385 / (1 + 0.08) = 385 / 1.08 ≈ 356 estudiantes
A los 356 debes agregar un 10–15% de reemplazo por posibles no respuestas o cuestionarios incompletos. En este caso, aplicarías el instrumento a aproximadamente 400 estudiantes para garantizar completar la muestra requerida.
Tipos de muestreo: probabilístico y no probabilístico
El tipo de muestreo determina cuánto puedes generalizar tus resultados.
Muestreo probabilístico
Cada elemento de la población tiene una probabilidad conocida y mayor que cero de ser seleccionado. Permite hacer inferencias estadísticas válidas sobre la población. Sus variantes más usadas en tesis LATAM:
- Aleatorio simple: Cada elemento tiene la misma probabilidad. Se usa cuando la población es homogénea y pequeña.
- Estratificado: Se divide la población en subgrupos (estratos) y se selecciona una muestra proporcional de cada uno. Ideal cuando hay grupos claramente diferenciados (por facultad, género, nivel socioeconómico).
- Sistemático: Se selecciona un elemento de cada intervalo fijo (k = N/n). Práctico cuando hay una lista ordenada de la población.
- Por conglomerados: Se seleccionan grupos completos (aulas, hospitales, comunidades). Se usa cuando no hay lista de individuos pero sí de grupos.
Muestreo no probabilístico
No todos los elementos tienen la misma probabilidad de selección. No permite generalización estadística, pero es válido en estudios exploratorios, cualitativos o cuando el acceso a la población es restringido:
- Por conveniencia: Se seleccionan los elementos más accesibles. Común en tesis de pregrado con recursos limitados.
- Intencional o por juicio: El investigador elige los casos que considera más representativos según criterios teóricos.
- Bola de nieve: Un participante recomienda a otros. Usado en poblaciones difíciles de acceder (migrantes, personas con condiciones específicas).
- Por cuotas: Se fijan proporciones de características (género, edad, carrera) y se selecciona hasta completar cada cuota.
Criterios de inclusión y exclusión
Los criterios de inclusión y exclusión delimitan quiénes sí y quiénes no formarán parte de tu muestra. Son obligatorios en tesis de ciencias de la salud y muy recomendados en ciencias sociales.
Criterios de inclusión: Características que debe tener un elemento para poder entrar en la muestra. Ejemplo: “Estudiantes matriculados en el semestre 2025-2, en modalidad presencial, con al menos un semestre cursado en la institución.”
Criterios de exclusión: Razones por las que se descarta a alguien aunque pertenezca a la población. Ejemplo: “Estudiantes en proceso de cambio de carrera, con licencia médica vigente, o que no hayan completado el 80% del cuestionario.”
Ejemplos de tesis LATAM
Ejemplo 1 — UNAM, México: Ciencias de la Salud
Tesis: Relación entre actividad física y niveles de ansiedad en estudiantes de medicina, UNAM CDMX, 2025.
- Población: 3,200 estudiantes activos de la Facultad de Medicina UNAM
- Muestra: 343 estudiantes (fórmula Cochran, NC 95%, e=5%)
- Tipo de muestreo: Estratificado proporcional por semestre (1.° a 12.°)
- Inclusión: Matriculados sem. 2025-2, mayores de 18 años
- Exclusión: Diagnóstico previo de trastorno de ansiedad, tratamiento psicofarmacológico activo
Ejemplo 2 — UNAL, Colombia: Ciencias Sociales
Tesis: Percepción del cambio climático en comunidades rurales del Departamento de Nariño, 2025.
- Población: Aproximadamente 12,000 familias rurales en los municipios objeto de estudio
- Muestra: 373 familias (fórmula Cochran para N grande)
- Tipo de muestreo: Por conglomerados (vereda como unidad de muestreo), luego aleatorio simple dentro de cada vereda
- Inclusión: Familias con al menos 5 años de residencia en la zona, con jefe/a de hogar disponible para entrevista
Ejemplo 3 — Universidad de Chile: Educación
Tesis: Impacto de la retroalimentación formativa en el aprendizaje de matemáticas, Región Metropolitana, 2025.
- Población: 48 docentes de matemáticas de 2.° ciclo básico en colegios municipales de la RM
- Muestra: 43 docentes (población pequeña; se aplica corrección de finitud; NC 95%, e=5%)
- Tipo de muestreo: Aleatorio simple; dado el tamaño de la población, prácticamente censo
Errores frecuentes
- No especificar el tipo de muestreo. Decir “se eligió una muestra de 300 estudiantes” sin aclarar si es aleatorio, por conveniencia o estratificado hace que el jurado cuestione la validez de los datos.
- Usar la fórmula incorrecta. Si tu población es finita y conocida, debes usar la corrección de finitud. Si aplicas solo la fórmula para infinitos con N = 800, tu muestra será mayor de lo necesario.
- Tamaño muestral sin justificación. Poner un número redondo (“100 estudiantes”) sin mostrar el cálculo genera desconfianza. Muestra el procedimiento matemático en un párrafo o en los anexos.
- Confundir unidad de análisis con unidad de muestreo. La unidad de análisis es lo que estudias (el estudiante). La unidad de muestreo puede ser diferente (el aula, si seleccionas grupos enteros).
- No declarar criterios de exclusión. El revisor asumirá que no los tienes y preguntará cómo manejaste casos límite.
Para una metodología coherente, es indispensable que la muestra y población que definas sean consistentes con tus variables y objetivos. Aprende más sobre cómo operacionalizar tus variables y sobre cómo integrar todo esto en tu protocolo de investigación.
IA para definir tu muestra
En 2026, herramientas de IA como Tesify pueden ayudarte a calcular el tamaño muestral y seleccionar el tipo de muestreo más adecuado para tu diseño de investigación. Pasos recomendados:
- Proporciona el tamaño de tu población (si es conocido), el tipo de investigación y el nivel de confianza que requieres.
- Solicita la justificación del tipo de muestreo basada en el diseño de tu estudio.
- Pide que te ayude a redactar los criterios de inclusión y exclusión de forma precisa.
- Verifica los cálculos manualmente o con una calculadora en línea antes de incluirlos en tu tesis.
Si ya tienes tu muestra definida, el siguiente paso es construir tu instrumento de recolección de datos y verificar que sea coherente con tu matriz de consistencia. También te puede ayudar revisar cómo redactar los antecedentes de investigación y definir correctamente la delimitación del tema.
Preguntas frecuentes
¿Cuál es la diferencia entre muestra y muestreo?
La muestra es el resultado (el grupo de personas o elementos que efectivamente estudiaste). El muestreo es el proceso (el conjunto de procedimientos que usaste para seleccionar esa muestra). Por ejemplo: “la muestra estuvo compuesta por 250 estudiantes” es la muestra. “Se utilizó muestreo aleatorio estratificado con afijación proporcional” describe el muestreo.
¿Cuándo se puede hacer una tesis sin muestra (estudio de caso o población total)?
Hay dos situaciones en las que no necesitas muestra. Primero, cuando la población es tan pequeña que puedes estudiarla en su totalidad (censo). Ejemplo: todos los directivos de una empresa (N=12). Segundo, en estudios de caso cualitativos, donde el objetivo no es representar una población sino comprender en profundidad un fenómeno específico. En este caso se habla de “unidad de análisis” o “caso”, no de muestra representativa.
¿Qué hago si no conozco el tamaño exacto de mi población?
Si no conoces N con precisión, usa la fórmula de Cochran para población infinita: n = (Z² × p × q) / e². Con Z=1.96, p=q=0.5 y e=0.05, obtienes n=384. Este es el tamaño mínimo recomendado cuando no se conoce la población. También puedes usar un estimado conservador basado en fuentes oficiales (censos, registros institucionales) y declarar claramente en tu metodología que N es aproximado.
¿El muestreo no probabilístico invalida mi tesis?
No. El muestreo no probabilístico es perfectamente válido en investigaciones exploratorias, descriptivas sin pretensión de generalización, cualitativas, y en estudios donde el acceso a la población es restringido. Lo que debes hacer es declararlo explícitamente, justificar por qué elegiste esa técnica y ser cuidadoso al redactar tus conclusiones, que no deben generalizar más allá de tu muestra.
¿Qué es el nivel de confianza y cómo lo elijo?
El nivel de confianza es la probabilidad de que tu intervalo de confianza contenga el verdadero parámetro poblacional. En ciencias sociales y educación, el estándar es 95% (Z=1.96). En ciencias de la salud o cuando se requiere mayor precisión, se usa 99% (Z=2.58), lo que resulta en muestras más grandes. Para tesis de pregrado, el 95% es suficiente y aceptado por prácticamente todas las universidades de la región.
¿Tu director cuestiona el tamaño o el tipo de muestreo de tu tesis?
Tesify te ayuda a calcular y justificar tu muestra con la fórmula correcta para tu diseño de investigación. Plan gratuito disponible para estudiantes latinoamericanos.
Leave a Reply