Al hablar de mtodos de muestreo nos referimos al conjunto de tcnicas estadsticas que
estudian la forma de seleccionar una muestra lo suficientemente representativa de una poblacin cuya informacin permita inferir las propiedades o caractersticas de toda la poblacin cometiendo un error medible y acotable. A partir de la muestra, seleccionada mediante un determinado mtodo de muestreo, se estiman las caractersticas poblacionales (media, total, proporcin, etc.) con un error cuantificable y controlable. Las estimaciones se realizan a travs de funciones matemticas de la muestra denominadas estimadores, que se convierten en variables aleatorias al considerar la variabilidad de las muestras. Los errores se cuantifican mediante varianzas, desviaciones tpicas o errores cuadrticos medios de los estimadores, que miden la precisin de stos. La metodologa que permite inferir resultados, predicciones y generalizaciones sobre la poblacin estadstica, basndose en la informacin contenida en las muestras representativas previamente elegidas por mtodos de muestreo formales, se denomina inferencia estadstica. Es muy importante tener en cuenta que para medir el grado de representatividad de la muestra es necesario utilizar muestreo probabilstico. Diremos que el muestreo es probabilstico cuando pueda establecerse la probabilidad de obtener cada una de las muestras que sea posible seleccionar, esto es, cuando la seleccin de muestras constituya un fenmeno aleatorio probabilizable. Dicha seleccin se verificar en condiciones de azar, siendo susceptible de medida la incertidumbre derivada de la misma. Esto permitir medir los errores cometidos en el proceso de muestreo (a travs de varianza u otras medidas estadsticas). Existen varios tipos de muestreo, dependiendo de que la poblacin estadstica sea finita o infinita, materia sobre la que existe amplia literatura estadstica, pero nosotros consideraremos solamente el muestreo en poblaciones finitas. La poblacin finita inicial que se desea investigar se denomina poblacin objetivo, pero el muestreo de toda la poblacin objetivo no siempre es posible debido a diferentes problemas que no permiten obtener informacin de algunos de sus elementos (inaccesibilidad de algunos de sus elementos, negativas a colaborar, ausencias, etc.), con lo que la poblacin que realmente es objeto de estudio o poblacin investigada no coincide con la poblacin objetivo. Por otro lado, para seleccionar la muestra, necesitaremos un listado de unidades de muestreo denominado marco que tericamente debiera coincidir con la poblacin objetivo. Un marco ser ms adecuado cuanto mejor cubra la poblacin objetivo, es decir, cuanto menor sea el error de cobertura. Pero en los marcos son inevitables las desactualizaciones, las omisiones de algunas unidades, las duplicaciones de otras y la presencia de unidades extraas y otras impurezas que obligan a su depuracin (depuracin de marcos imperfectos). Idealmente podra conseguirse la poblacin objetivo eliminando del marco las unidades errneamente incluidas en l (unidades extraas, duplicaciones, etc.) y aadiendo las omisiones. Asimismo, tambin sera una meta que al eliminar del marco las unidades de las que no se puede obtener informacin (inaccesibles, ausentes, no colaboradoras, etc.) se obtuviera la poblacin investigada. El marco puede estar constituido por unidades elementales de muestreo o por unidades compuestas. Una unidad elemental (o simple) es la unidad de muestreo ms sencilla posible y una unidad compuesta (o primaria) est formada por varias unidades elementales. Como en la prctica no es fcil disponer de marcos de unidades elementales, se intenta conseguir marcos de unidades compuestas que son ms accesibles. Por ejemplo, para estudiar habitantes de una regin es ms fcil disponer de un listado de hogares que de
un listado de individuos. Se selecciona la muestra de un marco de hogares (unidades
compuestas de varios individuos) y despus se estudian las propiedades de los individuos con tcnicas adecuadas.