El proceso de muestreo comprende varias etapas. La primera etapa es definir la población objetivo. Una población puede definirse como todas las personas o ítems (unidad de análisis) con las características que se desea estudiar. La unidad de análisis puede ser una persona, grupo, organización, país, objeto o cualquier otra entidad sobre la que se desee hacer inferencias científicas. A veces la población es obvia. Por ejemplo, si un fabricante quiere determinar si los productos terminados fabricados en una línea de producción cumplen con ciertos requisitos de calidad o deben ser desechados y reelaborados, entonces la población consiste en todo el conjunto de productos terminados fabricados en esa planta de producción. En otras ocasiones, la población objetivo puede ser un poco más difícil de entender. Si deseas identificar los impulsores primarios del aprendizaje académico entre los estudiantes de secundaria, entonces ¿cuál es tu población objetivo: estudiantes de secundaria, sus maestros, directores de escuela o padres de familia? La respuesta correcta en este caso son los estudiantes de secundaria, porque te interesa su desempeño, no el desempeño de sus maestros, padres de familia o escuelas. De igual manera, si deseas analizar el comportamiento de las ruedas de ruleta para identificar ruedas sesgadas, tu población de interés no es observaciones diferentes de una sola rueda de ruleta, sino diferentes ruedas de ruleta (es decir, su comportamiento sobre un juego infinito de ruedas).
El segundo paso en el proceso de muestreo es elegir un marco de muestreo. Esta es una sección accesible de la población objetivo (generalmente una lista con información de contacto) de donde se puede extraer una muestra. Si tu población objetivo son los empleados profesionales en el trabajo, porque no puedes acceder a todos los empleados profesionales en todo el mundo, un marco de muestreo más realista serán las listas de empleados de una o dos empresas locales que estén dispuestas a participar en tu estudio. Si su población objetivo son las organizaciones, entonces la lista de firmas de Fortune 500 o la lista Standard & Poor's (S&P) de firmas registradas en la Bolsa de Valores de Nueva York pueden ser marcos de muestreo aceptables.
Obsérvese que los marcos de muestreo pueden no ser enteramente representativos de la población en general, y de ser así, las inferencias derivadas de dicha muestra pueden no ser generalizables a la población. Por ejemplo, si su población objetivo son empleados de la organización en general (por ejemplo, desea estudiar la autoestima de los empleados en esta población) y su marco de muestreo son empleados de empresas automotrices en el Medio Oeste de Estados Unidos, es posible que los hallazgos de dichos grupos ni siquiera sean generalizables para la fuerza laboral estadounidense en grande, y mucho menos el lugar de trabajo global. Esto se debe a que la industria automotriz estadounidense ha estado bajo severas presiones competitivas durante los últimos 50 años y ha visto numerosos episodios de reorganización y reducción de personal, posiblemente resultando en baja moral y autoestima de los empleados. Además, la mayoría de la fuerza laboral estadounidense está empleada en industrias de servicios o en pequeñas empresas, y no en la industria automotriz. De ahí que una muestra de empleados de la industria automotriz estadounidense no sea particularmente representativa de la fuerza laboral estadounidense. De igual manera, la lista Fortune 500 incluye a las 500 empresas estadounidenses más grandes, que no es representativa de todas las firmas estadounidenses en general, la mayoría de las cuales son medianas y pequeñas empresas en lugar de grandes empresas, y por lo tanto, es un marco de muestreo sesgado. Por el contrario, la lista S&P le permitirá seleccionar empresas grandes, medianas y/o pequeñas, dependiendo de si usa las listas de S&P de gran capitalización, mediana o pequeña capitalización, pero incluye empresas que cotizan en bolsa (y no empresas privadas) y, por lo tanto, siguen sesgadas. También tenga en cuenta que la población de la que se extrae una muestra puede no ser necesariamente la misma que la población sobre la que realmente queremos información. Por ejemplo, si un investigador quiere la tasa de éxito de un nuevo programa de “dejar de fumar”, entonces la población objetivo es el universo de fumadores que tuvieron acceso a este programa, que puede ser una población desconocida. De ahí que el investigador pueda muestrear a pacientes que llegan a un centro médico local para el tratamiento para dejar de fumar, algunos de los cuales pueden no haber tenido exposición a este programa particular de “dejar de fumar”, en cuyo caso, el marco de muestreo no corresponde a la población de interés.
El último paso en el muestreo es elegir una muestra del marco de muestreo utilizando una técnica de muestreo bien definida. Las técnicas de muestreo pueden agruparse en dos amplias categorías: muestreo probabilístico (aleatorio) y muestreo no probabilístico. El muestreo probabilístico es ideal si la generalización de los resultados es importante para su estudio, pero puede haber circunstancias únicas donde el muestreo no probabilístico también puede justificarse. Estas técnicas se discuten en las dos secciones siguientes.
