El muestreo es el uso de un subconjunto de la población para representar a toda la población o para informar sobre procesos (sociales) que son significativos más allá de los casos, individuos o sitios particulares estudiados. El muestreo probabilístico, o muestreo aleatorio , es una técnica de muestreo en la que se puede calcular la probabilidad de obtener una muestra determinada. En los casos en que la validez externa no sea de importancia crítica para los objetivos o el propósito del estudio, los investigadores podrían preferir utilizar un muestreo no probabilístico. El muestreo no probabilístico no cumple con este criterio. Las técnicas de muestreo no probabilístico no pretenden utilizarse para inferir de la muestra a la población general en términos estadísticos. En cambio, por ejemplo, la teoría fundamentada puede producirse mediante muestreo iterativo no probabilístico hasta alcanzar la saturación teórica (Strauss y Corbin, 1990).
Así, no se puede decir lo mismo sobre la base de una muestra no probabilística que sobre la base de una muestra probabilística. Los motivos para extraer generalizaciones (por ejemplo, proponer una nueva teoría, proponer una política) a partir de estudios basados en muestras no probabilísticas se basan en la noción de "saturación teórica" y "generalización analítica" (Yin, 2014) en lugar de en la generalización estadística.
Los investigadores que trabajan con la noción de muestreo intencional afirman que, si bien los métodos probabilísticos son adecuados para estudios a gran escala relacionados con la representatividad, los enfoques no probabilísticos son más adecuados para investigaciones cualitativas en profundidad en las que el enfoque suele ser comprender fenómenos sociales complejos (por ejemplo, Marshall 1996; Pequeño 2009). Una de las ventajas del muestreo no probabilístico es su menor costo en comparación con el muestreo probabilístico. Además, el análisis en profundidad de una muestra intencional de N pequeño o de un estudio de caso permite el "descubrimiento" y la identificación de patrones y mecanismos causales que no se basan en suposiciones libres de tiempo y contexto.
Sin embargo, el muestreo no probabilístico a menudo no es apropiado en la investigación estadística cuantitativa, ya que estas afirmaciones plantean algunas preguntas: ¿cómo se puede entender un fenómeno social complejo tomando en consideración sólo las expresiones más convenientes de ese fenómeno? ¿Qué supuesto acerca de la homogeneidad en el mundo debemos hacer para justificar tales afirmaciones? Desgraciadamente, la consideración de que la investigación sólo puede basarse en inferencias estadísticas se centra en los problemas de sesgo vinculados al muestreo no probabilístico y reconoce sólo una situación en la que una muestra no probabilística puede ser apropiada: si uno está interesado sólo en los casos específicos estudiados (por ejemplo, , si uno está interesado en la Batalla de Gettysburg), no es necesario extraer una muestra probabilística de casos similares (Lucas 2014a).
Sin embargo, el muestreo no probabilístico se utiliza ampliamente en la investigación cualitativa. Ejemplos de muestreo no probabilístico incluyen:
Los estudios que pretenden utilizar muestreo probabilístico a veces terminan utilizando muestras no probabilísticas debido a las características del método de muestreo. Por ejemplo, utilizar una muestra de personas de la fuerza laboral remunerada para analizar el efecto de la educación en los ingresos equivale a utilizar una muestra no probabilística de personas que podrían formar parte de la fuerza laboral remunerada. Debido a que la educación que las personas obtienen podría determinar su probabilidad de estar en la fuerza laboral remunerada, la muestra de la fuerza laboral remunerada es una muestra no probabilística para la pregunta en cuestión. En tales casos, los resultados están sesgados.
El modelo estadístico que se utiliza también puede convertir los datos en una muestra no probabilística. Por ejemplo, Lucas (2014b) señala que varios estudios publicados que utilizan modelos multinivel se han basado en muestras que son muestras probabilísticas en general, pero muestras no probabilísticas para uno o más de los niveles de análisis del estudio. La evidencia indica que en tales casos el sesgo se comporta mal, de modo que las inferencias de tales análisis no están justificadas.
Estos problemas ocurren en la literatura académica, pero pueden ser más comunes en la investigación no académica. Por ejemplo, en las encuestas de opinión pública realizadas por empresas privadas (u otras organizaciones que no pueden exigir una respuesta), la muestra puede ser autoseleccionada en lugar de aleatoria. Esto a menudo introduce un tipo importante de error, el sesgo de autoselección , en el que la disposición de un participante potencial a ofrecerse como voluntario para la muestra puede estar determinada por características como la sumisión o la disponibilidad. Las muestras de dichas encuestas deben tratarse como muestras no probabilísticas de la población, y la validez de los hallazgos basados en ellas se desconoce y no se puede establecer.