Población y Muestra 2026: Cómo Definirlas en tu Tesis
Cuando llegás al capítulo metodológico de tu tesis, una de las decisiones más críticas es definir correctamente la población y muestra de tu investigación. No se trata solo de saber quiénes serán tus participantes: de esta elección depende la validez de tus conclusiones, el alcance real de tu trabajo y la credibilidad que le otorgará el jurado evaluador.
Un error frecuente en tesis argentinas de grado y posgrado es confundir ambos conceptos, o peor aún, elegir una muestra de manera arbitraria sin justificación metodológica. El resultado suele ser observaciones del director como “¿por qué este número?” o “¿qué criterio usaste para incluir a estos sujetos?”, preguntas que podés evitar con una planificación rigurosa desde el inicio.
En esta guía encontrás las definiciones precisas, los tipos de muestreo que corresponden según tu diseño de investigación, la fórmula para calcular el tamaño muestral, los criterios de inclusión y exclusión, y ejemplos concretos aplicables a tesis de universidades argentinas.
¿Qué es la Población en una Investigación?
En metodología de la investigación, la población —también denominada universo— es el conjunto total de elementos que poseen las características que querés estudiar. Esos elementos pueden ser personas, documentos, instituciones, eventos u objetos, dependiendo del problema que planteaste. La delimitación de la población no es un trámite formal: es una decisión teórica que condiciona todo lo que viene después.
Una población puede ser finita (cantidad de elementos conocida y acotada) o infinita (número indeterminado o tan grande que no puede contarse). Para una tesis de grado o posgrado en Argentina, lo más frecuente es trabajar con poblaciones finitas: estudiantes matriculados en una facultad, pacientes atendidos en un hospital, empresas pymes radicadas en una provincia.
Para delimitar correctamente la población, definila a lo largo de tres dimensiones:
| Dimensión | Pregunta clave | Ejemplo |
|---|---|---|
| Temática | ¿Qué características deben tener los elementos? | Adultos con diagnóstico de diabetes tipo 2 |
| Espacial | ¿En qué lugar geográfico? | Hospitales públicos de la provincia de Córdoba |
| Temporal | ¿En qué período? | Durante el primer semestre de 2026 |
Cuanto más precisa sea tu definición de población, más robusta será tu investigación. Una formulación como “los trabajadores” no es operacionalizable; “empleados en relación de dependencia del sector gastronómico del Gran Buenos Aires durante el primer cuatrimestre de 2026” sí lo es.
¿Qué es la Muestra y Para Qué Sirve?
La muestra es el subconjunto de la población que efectivamente estudiás. Trabajar con una muestra en lugar de con la totalidad de la población responde a razones prácticas: tiempo, presupuesto y accesibilidad al campo. Un censo —estudiar a toda la población— solo es viable cuando esta es pequeña o cuando se cuenta con recursos institucionales considerables.
Para que una muestra cumpla su función metodológica tiene que reunir tres condiciones:
- Representatividad: debe reflejar las características de la población de modo proporcional, sin sobre ni subrepresentar grupos relevantes.
- Suficiencia: su tamaño tiene que garantizar confiabilidad estadística —en enfoques cuantitativos— o saturación teórica —en enfoques cualitativos.
- Coherencia metodológica: el procedimiento de selección debe ser consistente con el diseño de tu investigación.
Cuando la muestra no es representativa, los resultados no son generalizables a la población: podés describir a los participantes de tu estudio, pero no afirmar que lo que encontraste se aplica al conjunto más amplio. Esto limita el alcance de tu tesis y es uno de los cuestionamientos más comunes en las instancias de evaluación.
Tipos de Muestreo: Probabilístico y No Probabilístico
La elección del tipo de muestreo depende fundamentalmente de tu enfoque de investigación, el cual forma parte del diseño global que describís en la metodología de la investigación. En diseños cuantitativos se privilegia el muestreo probabilístico; en diseños cualitativos, el no probabilístico. Los diseños mixtos combinan ambos en fases diferenciadas.
- Aleatorio simple — igual probabilidad para todos
- Sistemático — cada k-ésimo elemento (k = N/n)
- Estratificado — subgrupos proporcionales
- Por conglomerados — grupos naturales o clusters
- Intencional/Juicio — criterio del investigador
- Por conveniencia — casos de fácil acceso
- Bola de nieve — participantes reclutan a otros
- Teórico — hasta saturación teórica
Muestreo Probabilístico
En el muestreo probabilístico todos los elementos de la población tienen una probabilidad conocida y no nula de ser seleccionados. Esto habilita hacer inferencias estadísticas válidas y cuantificar el margen de error. Los tipos más utilizados en tesis argentinas son:
- Aleatorio simple: cada elemento tiene la misma probabilidad de ser elegido. Se usa cuando la población es homogénea y disponés de un listado completo (marco muestral). Ejemplo: seleccionar al azar 200 legajos de una facultad con 1.500 estudiantes activos.
- Sistemático: se elige un elemento de arranque al azar y luego se selecciona cada k-ésimo elemento del listado. Si tu población es de 1.500 y querés 150 casos, seleccionás uno cada 10 (k = N/n = 10).
- Estratificado: la población se divide en subgrupos homogéneos —por género, carrera, sede— y se extrae una muestra aleatoria proporcional de cada estrato. Asegura que grupos minoritarios estén representados de manera adecuada.
- Por conglomerados (clusters): cuando la población está geográficamente dispersa, se seleccionan grupos naturales —escuelas, empresas, barrios— en lugar de individuos, lo que reduce considerablemente los costos operativos del trabajo de campo.
Muestreo No Probabilístico
En el muestreo no probabilístico la selección no depende de probabilidades sino de criterios definidos por el investigador. Aunque no permite generalizaciones estadísticas, es el más adecuado para investigaciones cualitativas, exploratorias o cuando la población es de difícil acceso.
- Intencional (o por juicio): seleccionás casos por sus características relevantes para el fenómeno. Apropiado cuando buscás profundidad, no representatividad estadística. Ejemplo: entrevistar a cinco directivos de cooperativas con más de diez años de trayectoria en el NEA.
- Por conveniencia: se trabaja con los casos accesibles. Es frecuente en tesis de grado pero presenta limitaciones para la generalización; si lo usás, justificá explícitamente esas limitaciones en el apartado metodológico.
- Bola de nieve: cada participante recluta a otros del mismo perfil. Útil cuando la población es de difícil acceso: personas en situación de vulnerabilidad, grupos específicos de profesionales o poblaciones que no están formalmente registradas.
- Teórico: propio de la teoría fundamentada (Grounded Theory). La incorporación de nuevos casos continúa hasta alcanzar la saturación teórica, el punto en que los datos ya no generan categorías emergentes adicionales.
En el enfoque cualitativo, el muestreo es intencional o teórico: elegís a los participantes no por representatividad estadística, sino por su capacidad de aportar información relevante y rica sobre el fenómeno que estudiás. Una vez definida la muestra, el paso siguiente es determinar qué técnicas de recolección de datos vas a usar para obtener información de esos participantes.
Cómo Calcular el Tamaño de la Muestra
Para investigaciones cuantitativas con poblaciones finitas, la fórmula estándar para el cálculo del tamaño muestral es la siguiente:
| Símbolo | Significado | Valor estándar |
|---|---|---|
| N | Tamaño de la población | Determinado por el estudio |
| Z | Valor crítico del nivel de confianza | 1,96 (para 95 %) |
| p | Proporción esperada del atributo | 0,5 (máxima variabilidad) |
| q | 1 − p | 0,5 |
| e | Margen de error admisible | 0,05 (5 %) |
| n | Tamaño de la muestra | Resultado buscado |
Ejemplo de cálculo: Querés estudiar los hábitos de lectura de los 1.200 estudiantes del primer año de una facultad pública, con un nivel de confianza del 95 % y un margen de error del 5 %.
n = (3,8416 × 0,25 × 1.200) / (0,0025 × 1.199 + 3,8416 × 0,25)
n = 1.152,48 / (2,9975 + 0,9604)
n = 1.152,48 / 3,9579
n ≈ 291 estudiantes
Esto significa que necesitás encuestar al menos 291 estudiantes para que tus resultados sean representativos con los parámetros establecidos. Si tu tasa de respuesta esperada es menor al 100 %, ajustá el número hacia arriba para compensar la posible no-respuesta y mantener la potencia estadística del estudio.
Para investigaciones cualitativas, el criterio no es estadístico sino de saturación teórica: incorporás participantes hasta que los nuevos casos ya no generan información adicional relevante. En estudios de caso, entrevistas en profundidad o grupos focales, entre 8 y 25 participantes suele ser un rango adecuado, dependiendo de la homogeneidad del grupo y la riqueza de los datos obtenidos.
Criterios de Inclusión y Exclusión
Los criterios de inclusión y exclusión definen quiénes pueden integrar tu muestra y quiénes quedan fuera. Su correcta formulación protege la validez interna del estudio y constituye una señal clara de rigor metodológico para el comité evaluador.
Los criterios de inclusión son las características que debe reunir un elemento para ser parte de la muestra. Tienen que ser específicos, verificables y directamente vinculados a tu pregunta de investigación. Ejemplo: estudiantes matriculados en el ciclo lectivo 2026, con al menos un año de antigüedad en la institución y residencia en el área metropolitana.
Los criterios de exclusión son condiciones que eliminan a un elemento aunque cumpla los criterios de inclusión. No son la negación de los criterios de inclusión: son razones adicionales de descarte que pueden no resultar evidentes a primera vista. Ejemplo: estudiantes que al momento del relevamiento se encuentren con una licencia académica activa, o que hayan participado en el estudio piloto de la misma investigación.
| Tipo | Criterio |
|---|---|
| Inclusión | Adultos de 18 a 65 años residentes en CABA |
| Inclusión | Con diagnóstico confirmado en los últimos 12 meses |
| Exclusión | En situación de embarazo al momento del relevamiento |
| Exclusión | Participantes de estudios previos del mismo equipo de investigación |
Incluí esta tabla explícitamente en el apartado “Sujetos” o “Participantes” del capítulo metodológico. Documentar los criterios evita cuestionamientos sobre la composición de la muestra y facilita la replicabilidad del estudio por otros investigadores.
Ejemplos Prácticos para Tesis Argentinas
Para que la teoría tenga sustento concreto, acá van tres modelos de diseño muestral ajustados a la realidad de las universidades argentinas. El tipo de investigación —cuantitativo, cualitativo o mixto— determina qué procedimiento de muestreo es el apropiado en cada caso. Los datos son ilustrativos y el objeto de cada ejemplo es mostrar la lógica del diseño, no reflejar estudios reales publicados.
Tesis cuantitativa — Ciencias de la Educación (UBA)
- Población: 3.400 estudiantes de primer año de escuelas técnicas secundarias de la Ciudad Autónoma de Buenos Aires, ciclo 2026.
- Tipo de muestreo: estratificado proporcional por tipo de gestión (estatal/privada) y por zona escolar.
- Tamaño muestral (Z = 1,96; e = 5 %): aproximadamente 346 estudiantes.
- Instrumento: cuestionario autoadministrado en soporte digital.
Tesis cualitativa — Trabajo Social (UNR)
- Población: familias en situación de vulnerabilidad habitacional del cordón industrial del Gran Rosario.
- Tipo de muestreo: intencional inicial y bola de nieve para ampliar el acceso al campo.
- Tamaño muestral: 15 entrevistas en profundidad hasta alcanzar saturación teórica.
- Instrumento: guía de entrevista semiestructurada.
Tesis de diseño mixto — Salud Pública (UNC)
- Fase cuantitativa: muestra aleatoria simple de 220 médicos de atención primaria de la provincia de Córdoba.
- Fase cualitativa: 6 grupos focales con equipos de salud de centros de atención primaria.
- Lógica de triangulación: los datos cuantitativos identifican patrones a escala provincial; los datos cualitativos explican los mecanismos que los producen.
Para delimitar con precisión el tamaño de tu población de referencia, el Instituto Nacional de Estadística y Censos (INDEC) ofrece proyecciones demográficas actualizadas por provincia, grupo etario y área de residencia, que podés citar como fuente secundaria en el apartado de caracterización de la población.
Conclusión
Definir correctamente la población y la muestra es uno de los pilares del diseño metodológico de cualquier tesis. No se trata de completar una sección del capítulo: es una decisión que determina qué podés afirmar y con qué alcance. Elegí el tipo de muestreo en función de tu enfoque epistemológico, calculá el tamaño con la fórmula adecuada —o con el criterio de saturación si tu diseño es cualitativo— y documentá todos los criterios de inclusión y exclusión con precisión. Así, cada decisión metodológica va a estar fundamentada y las observaciones del tribunal quedarán sin sustento.
Preguntas Frecuentes
¿Cuál es la diferencia entre población y muestra en una tesis?
La población es el conjunto total de elementos que poseen las características relevantes para tu investigación, definida con precisión temática, espacial y temporal. La muestra es el subconjunto de esa población que efectivamente estudiás. La diferencia clave está en el alcance: los resultados obtenidos sobre la muestra pueden generalizarse a la población solo si el muestreo fue probabilístico y el tamaño muestral fue calculado correctamente.
¿Cuándo debo usar muestreo probabilístico y cuándo no probabilístico?
Usá muestreo probabilístico cuando tu investigación es cuantitativa y necesitás hacer inferencias estadísticas generalizables a la población total. Usá muestreo no probabilístico cuando tu investigación es cualitativa o exploratoria, cuando la población es de difícil acceso, o cuando no disponés de un marco muestral completo. En los diseños mixtos, combinás ambos tipos en fases separadas: probabilístico para la fase cuantitativa, no probabilístico para la cualitativa.
¿Qué hago si no puedo reunir el tamaño de muestra calculado?
Tenés dos opciones metodológicamente válidas. Primera: recalculá el tamaño muestral con un margen de error mayor (por ejemplo, 8 % en lugar de 5 %) o un nivel de confianza algo menor (90 % en lugar de 95 %), y justificá el ajuste en el texto. Segunda: declarás explícitamente en el capítulo metodológico que la muestra obtenida es una muestra por conveniencia y señalás que los resultados no son generalizables a la población total, limitando el alcance de las conclusiones. Esta segunda opción no invalida la tesis siempre que la limitación esté correctamente explicitada.