Muestreo No Probabilístico en TFG y Tesis: Tipos, Ejemplos y Cómo Justificarlo (2026)
La gran mayoría de los TFG, TFM y una parte significativa de las tesis doctorales utilizan muestras no probabilísticas. No porque sea la opción ideal en abstracto, sino porque en el mundo real universitario —con acceso limitado a poblaciones, tiempo restringido y recursos acotados— el muestreo no probabilístico es frecuentemente la única vía viable. El problema no es usar este tipo de muestreo: el problema es no saber justificarlo con rigor metodológico o confundir sus variantes entre sí.
Esta guía te explica qué es el muestreo no probabilístico, cuáles son sus tipos con ejemplos concretos para TFG, cuándo está justificado usarlo y, crucialmente, cómo defender ante el tribunal la validez de tus conclusiones cuando tu muestra no es aleatoria.
¿Qué es el muestreo no probabilístico?
En el muestreo probabilístico (aleatorio simple, estratificado, sistemático, por conglomerados), cada elemento de la población tiene una probabilidad conocida y no nula de ser seleccionado. Esto permite calcular el error muestral y generalizar los resultados a la población con un margen de confianza definido.
En el muestreo no probabilístico, la selección depende de criterios de conveniencia, juicio del investigador o características de los propios participantes, no de un mecanismo aleatorio. Esto implica que no puedes calcular el error muestral ni garantizar la representatividad estadística de la muestra. Sin embargo, existen contextos en que esto es perfectamente aceptable desde el punto de vista metodológico:
- Investigación exploratoria o descriptiva donde el objetivo no es generalizar, sino explorar un fenómeno poco conocido.
- Investigación cualitativa donde el objetivo es la comprensión profunda, no la representatividad estadística.
- Poblaciones de acceso difícil (personas sin hogar, consumidores de sustancias, grupos marginales) donde un muestreo aleatorio es imposible.
- Estudios piloto previos a una investigación principal con muestreo probabilístico.
- Investigación aplicada donde la muestra de conveniencia es suficiente para el objetivo práctico del estudio.
Tipos de muestreo no probabilístico con ejemplos
1. Muestreo por conveniencia (accidental o incidental)
Se seleccionan los participantes que están disponibles y accesibles para el investigador en el momento de la recogida de datos. Es el tipo más frecuente en TFG universitarios españoles.
Ejemplo en TFG: Un estudiante de Psicología que investiga el bienestar emocional en universitarios utiliza como muestra a compañeros de su propia facultad que acceden voluntariamente a responder el cuestionario en la biblioteca. Selección: quienes estaban presentes y dispuestos en ese momento y lugar.
Ventaja: Rápido, barato y fácil de implementar.
Limitación crítica: Alta probabilidad de sesgo de selección; los participantes disponibles pueden diferir sistemáticamente de la población objetivo en características relevantes para el estudio.
2. Muestreo intencional o de juicio (purposive sampling)
El investigador selecciona deliberadamente a los participantes por su conocimiento, experiencia o características específicas que los hacen relevantes para los objetivos del estudio. El criterio de selección es la relevancia informativa, no la representatividad estadística.
Ejemplo en TFM cualitativo: Para investigar las estrategias de afrontamiento de docentes ante el síndrome de burnout, la investigadora selecciona intencionalmente a 15 docentes de Educación Secundaria con más de diez años de experiencia que han sido diagnosticados de burnout en los últimos dos años. Se busca máxima relevancia teórica, no representatividad numérica.
Ventaja: Permite acceder a informantes clave con conocimiento experto o experiencia vivida del fenómeno estudiado.
Limitación: Riesgo de sesgo del investigador en la selección de participantes. Se mitiga documentando transparentemente los criterios de inclusión y exclusión.
3. Muestreo por cuotas
Se establece a priori el número de participantes de cada subgrupo de la población (sexo, edad, nivel de estudios, etc.) que se va a incluir, de forma que la muestra reproduzca las proporciones de la población. Dentro de cada cuota, la selección es por conveniencia.
Ejemplo en TFG de Sociología: Para encuestar a 100 estudiantes universitarios de una ciudad, el investigador establece cuotas según sexo (50 hombres, 50 mujeres) y tipo de universidad (60 pública, 40 privada) en proporción a la distribución real de la población universitaria local.
Ventaja: Garantiza cierta proporcionalidad entre subgrupos, mejorando la representatividad respecto al muestreo por conveniencia simple.
Limitación: Dentro de cada cuota la selección sigue siendo por conveniencia; no es equivalente al muestreo estratificado aleatorio.
4. Muestreo de bola de nieve (snowball sampling)
Los primeros participantes, seleccionados de cualquier forma, refieren o reclutan a otros posibles participantes de su red social o profesional. La muestra crece de forma progresiva como una bola de nieve.
Ejemplo en TFM de Trabajo Social: Para estudiar las estrategias de supervivencia de migrantes irregulares, el investigador contacta inicialmente con 3 personas a través de una ONG. Cada una de ellas refiere a 2-3 personas más de su entorno, hasta alcanzar la saturación temática con 18 participantes.
Ventaja: Permite acceder a poblaciones de difícil acceso o grupos que no responderían a convocatorias públicas.
Limitación: La red de referidos puede ser homogénea (todos del mismo entorno, con perspectivas similares), limitando la variedad de perspectivas capturadas. Se mitiga iniciando la cadena desde múltiples puntos de entrada independientes.
¿Cuándo está justificado el muestreo no probabilístico?
El muestreo no probabilístico está metodológicamente justificado cuando:
- No existe un marco muestral completo de la población (no se puede hacer una lista de todos los elementos).
- El objetivo del estudio es exploratorio, descriptivo o comprensivo, no inferencial.
- La investigación es cualitativa y el criterio de calidad es la relevancia informativa, no la representatividad.
- Los recursos disponibles (tiempo, financiación, acceso) no permiten un muestreo aleatorio riguroso.
- La población es pequeña y accesible en su totalidad (en cuyo caso el muestreo por censo es preferible).
Por el contrario, el muestreo no probabilístico NO es apropiado cuando el objetivo es estimar parámetros poblacionales con precisión estadística o cuando la generalización de los resultados es el fin principal de la investigación.
Limitaciones y cómo reportarlas honestamente
La honestidad metodológica es una virtud académica. Estas son las limitaciones que debes reconocer en la sección de limitaciones de tu tesis cuando usas muestreo no probabilístico:
- Sesgo de selección: «Los participantes reclutados pueden diferir sistemáticamente de la población objetivo en características que no hemos medido, lo que limita la generalización de los resultados.»
- Ausencia de error muestral calculable: «Al no tratarse de un muestreo probabilístico, no es posible calcular el margen de error muestral ni los intervalos de confianza asociados a las estimaciones de prevalencia.»
- Sobrerrepresentación de grupos accesibles: En muestras de conveniencia universitaria: «La muestra puede sobrerrepresentar a estudiantes de ciencias sociales con mayor disposición a participar en investigación, limitando la transferibilidad de los resultados a otras poblaciones.»
Cómo justificarlo en la metodología de tu tesis
Este es el párrafo tipo para la sección de participantes de tu TFG o TFM:
«Los participantes fueron seleccionados mediante muestreo intencional (Patton, 2002), priorizando la relevancia informativa sobre la representatividad estadística, acorde con el enfoque cualitativo del estudio. Los criterios de inclusión fueron: (a) ser estudiante universitario matriculado en el curso 2025-2026, (b) haber realizado prácticas extracurriculares durante el grado, y (c) acceso voluntario e informado. Se excluyeron los estudiantes de primer año por no cumplir el criterio de experiencia. La selección se realizó en colaboración con los coordinadores de prácticas de tres facultades de distintas universidades públicas españolas, a fin de maximizar la variabilidad de contextos. La muestra final de 16 participantes se determinó por criterio de saturación temática.»
Tabla comparativa de tipos de muestreo no probabilístico
| Tipo | Criterio de selección | Mejor para | Riesgo principal |
|---|---|---|---|
| Conveniencia | Disponibilidad y acceso del investigador | TFG con recursos limitados; estudios piloto | Sesgo de selección elevado |
| Intencional | Criterios definidos por el investigador según relevancia teórica | TFM y tesis cualitativas; estudios de caso | Sesgo del investigador en la selección |
| Por cuotas | Proporciones poblacionales predefinidas | Encuestas descriptivas con control de subgrupos | Conveniencia dentro de cada cuota |
| Bola de nieve | Referidos por participantes anteriores | Poblaciones ocultas o de difícil acceso | Homogeneidad de red; falta de variabilidad |
Si estás escribiendo la sección de metodología de tu TFG o TFM y necesitas ayuda para estructurar y redactar el apartado de participantes, muestreo y procedimiento con precisión académica, Tesify puede asistirte en ese proceso. Consulta también nuestra guía sobre saturación teórica en investigación cualitativa y diseño experimental en tesis.
Preguntas frecuentes
¿Puedo usar muestreo no probabilístico en un TFG cuantitativo?
Sí, y es frecuente. La mayoría de TFG cuantitativos usan muestreo por conveniencia. La clave está en ser transparente sobre sus limitaciones: reconocer que los resultados no son generalizables estadísticamente a la población y discutirlo en el apartado de limitaciones. Si tu estudio es exploratorio o descriptivo, esta limitación es perfectamente asumible y el tribunal lo aceptará si está bien justificada.
¿Cómo puedo calcular el tamaño muestral cuando uso muestreo por conveniencia?
Para muestras cuantitativas con muestreo no probabilístico, el tamaño muestral se justifica mediante análisis de potencia estadística a priori (usando G*Power), que determina la N mínima para detectar el efecto esperado con la potencia y nivel de significación deseados. Aunque no garantices representatividad, sí garantizas potencia estadística suficiente para el análisis. En estudios cualitativos, el criterio de saturación reemplaza al cálculo de potencia.
¿Cuál es la diferencia entre muestreo intencional y muestreo por conveniencia?
La diferencia está en la intencionalidad del criterio de selección. En el muestreo por conveniencia, seleccionas a quien está disponible, sin criterios específicos de relevancia para el fenómeno estudiado. En el muestreo intencional, defines criterios precisos basados en las características teóricamente relevantes del fenómeno y seleccionas solo a quienes los cumplen, independientemente de su disponibilidad inmediata. El segundo exige más esfuerzo de selección pero produce muestras más informativas para estudios cualitativos.
¿El muestreo de bola de nieve es válido para una tesis doctoral?
Sí, y es especialmente valioso en tesis doctorales cualitativas que investigan poblaciones de difícil acceso. Lo que se exige en una tesis doctoral es una justificación metodológica sólida: por qué el bola de nieve es el método más apropiado para acceder a esa población específica, cómo se ha iniciado la cadena de referidos (desde múltiples puntos de entrada para maximizar diversidad), y qué criterios de saturación se han aplicado para determinar el cierre del muestreo.
Fuentes de referencia: Scielo Cuba — Tipos de muestreo no probabilístico | Scielo Chile — Técnicas de muestreo sobre una población a estudio | Economipedia — Investigación correlacional
Deja una respuesta