El muestreo no probabilístico es una técnica de muestreo en la que algunas unidades de la población tienen cero posibilidades de selección o donde la probabilidad de selección no puede determinarse con precisión. Por lo general, las unidades se seleccionan en función de ciertos criterios no aleatorios, como cuota o conveniencia. Debido a que la selección es no aleatoria, el muestreo no probabilístico no permite la estimación de errores de muestreo, y puede ser sometido a un sesgo de muestreo. Por lo tanto, la información de una muestra no puede generalizarse de nuevo a la población. Los tipos de técnicas de muestreo no probabilístico incluyen:
Muestreo de conveniencia. También llamado muestreo accidental u oportunidad, esta es una técnica en la que se extrae una muestra de esa parte de la población que está cerca de la mano, fácilmente disponible o conveniente. Por ejemplo, si te paras afuera de un centro comercial y reparte encuestas de cuestionario a las personas o las entrevistas mientras entran, la muestra de encuestados que obtendrás será una muestra de conveniencia. Esta es una muestra no probabilística porque estás excluyendo sistemáticamente a todas las personas que compran en otros centros comerciales. Las opiniones que obtendría de su muestra elegida pueden reflejar las características únicas de este centro comercial, como la naturaleza de sus tiendas (por ejemplo, las tiendas de gama alta atraerán a un grupo demográfico más rico), el perfil demográfico de sus clientes o su ubicación (por ejemplo, un centro comercial cerca de un universidad atraerá principalmente a estudiantes universitarios con hábitos de compra únicos), y por lo tanto puede no ser representativa de las opiniones de la población shopper en general. De ahí que la generalización científica de tales observaciones será muy limitada. Otros ejemplos de muestreo por conveniencia son el muestreo de estudiantes registrados en una determinada clase o el muestreo de pacientes que llegan a una determinada clínica médica. Este tipo de muestreo es más útil para pruebas piloto, donde el objetivo es la prueba de instrumentos o la validación de mediciones en lugar de obtener inferencias generalizables.
Muestreo de cuotas. En esta técnica, la población se segmenta en subgrupos mutuamente excluyentes (así como en el muestreo estratificado), y luego se elige un conjunto no aleatorio de observaciones de cada subgrupo para cumplir con una cuota predefinida. En el muestreo de cuotas proporcionales, la proporción de encuestados en cada subgrupo debe coincidir con la de la población. Por ejemplo, si la población estadounidense está formada por 70% caucásicos, 15% hispanoamericanos y 13% afroamericanos, y desea comprender sus preferencias de voto en una muestra de 98 personas, puede pararse afuera de un centro comercial y preguntarle a la gente sus preferencias de voto. Pero tendrás que dejar de preguntar a la gente de aspecto hispano cuando tengas 15 respuestas de ese subgrupo (o afroamericanos cuando tengas 13 respuestas) incluso mientras continúas muestreando otros grupos étnicos, para que la composición étnica de tu muestra coincida con la de la población estadounidense en general. El muestreo de cuotas no proporcionales es menos restrictivo ya que no es necesario lograr una representación proporcional, sino quizás cumplir con un tamaño mínimo en cada subgrupo. En este caso, puede decidir tener 50 encuestados de cada uno de los tres subgrupos étnicos (caucásicos, hispanoamericanos y afroamericanos), y detenerse cuando se alcance su cuota para cada subgrupo. Ninguno de los tipos de muestreo de cuotas será representativo de la población estadounidense, ya que dependiendo de si tu estudio se realizó en un centro comercial de Nueva York o Kansas, tus resultados pueden ser completamente diferentes. La técnica no proporcional es aún menos representativa de la población pero puede ser útil ya que permite capturar las opiniones de grupos pequeños y subrepresentados mediante sobremuestreo.
Muestreo experto. Esta es una técnica donde los encuestados son elegidos de manera no aleatoria en base a su experiencia sobre el fenómeno que se estudia. Por ejemplo, para entender los impactos de una nueva política gubernamental como la Ley Sarbanes-Oxley, se puede muestrear a un grupo de contadores corporativos que estén familiarizados con este acto. La ventaja de este enfoque es que dado que los expertos tienden a estar más familiarizados con el tema que los no expertos, las opiniones de una muestra de expertos son más creíbles que una muestra que incluye tanto a expertos como a no expertos, aunque los hallazgos aún no son generalizables a la población general en general.
Muestreo de bola de nieve En el muestreo de bolas de nieve, comienzas por identificar a algunos encuestados que coincidan con los criterios de inclusión en tu estudio, para luego pedirles que te recomienden a otros que conocen que también cumplan con tus criterios de selección. Por ejemplo, si deseas encuestar a los administradores de redes informáticas y conoces solo a una o dos de esas personas, puedes comenzar con ellos y pedirles que te recomienden a otros que también hacen administración de redes. Aunque este método apenas conduce a muestras representativas, a veces puede ser la única manera de llegar a poblaciones de difícil acceso o cuando no hay marco de muestreo disponible.
