Imagina que acabas de recibir 8000 frascos de suero fisiológico. Los ves apilados como columnas de Tetris y el jefe dice con total serenidad:

“Sácame unas cuantas muestras al azar y revisa que todo esté OK antes de las cinco”.

Traducido del “lenguaje-de-jefe” al castellano estadístico: necesitas mostrar, con números, que los frascos cumplen especificaciones sin analizar los 8 000 uno por uno.

Para eso existe el muestreo, esa vacuna contra la tentación de escoger “los tres frasquitos que estaban más cerca de la puerta”.

Antes de pasar a los métodos, anota tres palabras clave:

• Población: todos los frascos, pastillas, placas o lo que sea que componen el lote.
• Marco muestral: la lista ordenada (física o digital) que te permite identificar cada unidad. Sin lista real → no hay aleatoriedad, solo magia negra.
• Muestra: el subconjunto que examinarás. Si está mal elegido, el error no lo arregla ni el mejor método de calibración.

Con las bases claras, vamos a los cuatro métodos que, en serio, sí se usan en la mayoría de laboratorios y la industria.

¡Aquí vamos!

Muestreo Aleatorio Simple: la democracia de laboratorio

El decano de todos los diseños. Numeras cada unidad del lote, mandas a un generador de números aleatorios (Excel, Python, papelitos en una bolsa si eres vintage) y seleccionas los afortunados ganadores.

¿Por qué funciona?

Porque cada unidad tiene la misma probabilidad de ser elegida. Las leyes del azar garantizan representatividad siempre que el lote sea razonablemente homogéneo.

La fórmula

Cuando tu parámetro de interés es continuo (pH, densidad, concentración) el tamaño de muestra se calcula así:

Pista rápida: si no sabes σ, toma ¼ del rango especificado como estimación preliminar; no es elegante, pero te salva la tarde.

Ejemplo paso a paso

• Lote: 5 000 frascos de suero fisiológico
• Parámetro: pH medio
• Exactitud deseada: ±0,05 pH → d = 0,05
• Variabilidad histórica: σ = 0,10 pH
• Confianza: 95 % → Z = 1,96

Redondeas a 16, numeras los 5 000 frascos, ordenas por una columna, por ejemplo, en Excel =RAND() y seleccionas los primeros 16 códigos. Si algún auditor pregunta, le enseñas la hoja con los valores de Z, σ y d claramente documentados: misterio resuelto.

Muestreo Sistemático: paso firme en la línea de producción

Cuando tu proceso produce piezas como si fueran crispetas, numerar cada unidad se vuelve deporte extremo.

El muestreo sistemático introduce orden sin matar la aleatoriedad: eliges un solo punto de arranque al azar y, a partir de ahí, tomas cada k-ésima unidad que sale por la banda.

El corazón del diseño es la relación:

Ejemplo paso a paso

• Proceso: tableteadora que escupe N = 12 000 comprimidos por turno.
• Necesidad: comprobar dureza con una exactitud que (después de cuentas previas) exige n = 30 muestras.
• Cálculo del paso:

• Elección del arranque: se genera r = 157 con =RANDBETWEEN(1,400).
• Ejecución: se toma la tableta #157, luego la #557, #957, #1 357… hasta completar 30.
• Documentación: en la hoja de control anotas N, n, k = 400, r = 157 y la hora a la que cayó cada muestra. Si la línea se detiene o cambias de formato, recalculas N y k, y generas un nuevo r.

Por qué sirve (todavía)

Muestreo Estratificado: divide, mide y vencerás

Cuando sospechas que distintos subgrupos dentro del lote pueden comportarse diferente—turnos de fabricación, reactores, proveedores—estratificar evita diagnosticar “promedios” engañosos.

¿Cómo se come?

Ventaja matemática

Disminuyes la variabilidad total (varianza ponderada), así que consigues la misma exactitud con un n menor que en un simple aleatorio que ignore los subgrupos. Menos reactivo, menos horas de analista, más café caliente.

Duplicados y Replicados: el detector interno de “ruido”

No es exactamente un método para elegir qué muestras, sino para medir cuánto ruido añades durante el propio muestreo o la medición.

• Duplicado de campo → sacas dos muestras independientes del mismo punto (para estimar el error de muestreo).

• Replicado analítico → partes una misma muestra y la analizas dos o más veces (para estimar el error del método/instrumento).

La métrica que todos usamos para juzgar si esa diferencia es aceptable es el RPD (Relative Percent Difference). He aquí la fórmula:

Regla típica (EPA y muchas guías ISO):

• RPD ≤ 10 % → variación aceptable.
• RPD > 10 % → investiga: heterogeneidad, técnica de muestreo o fallo del equipo.

Ejemplo

1. Muestreo: río, punto “R-3”.
2. Llenas botella A (C_A) y, sin mover la sonda, botella B (C_B).
3. Analizas metales pesados; obtienes:
• C_A = 0,045 mg Pb/L
• C_B = 0,051 mg Pb/L

Ahora sustituyes:

Interpretación: 12,5 % > 10 % → la variabilidad de muestreo es demasiado alta.

Acción: repetir muestreo o mejorar técnica (mayor agitación, bomba isocinética, etc.).

¿Cuántos duplicados o replicados necesito?

Documenta siempre por qué elegiste esa frecuencia (criterios de control de calidad internos, guías EPA, norma ISO/IEC 17025, etc.). Así, cualquier auditor verá que no duplicas “cuando te acuerdas”, sino siguiendo un plan.

Consejos de trinchera

Detengámonos un momento en la filosofía que subyace a todo esto.

La representatividad es una promesa que haces antes de medir. Si eliges bien tu muestra, los números hablarán por ti; si la eliges mal, tendrás que convencer a medio mundo de que los resultados “se pueden interpretar”. En su esencia, los métodos anteriores responden a dos grandes dilemas:

¿El proceso es uniforme o tiene rincones oscuros?

¿Cuánto cuesta cada análisis?

El laboratorio moderno ya no puede permitirse muestrear “como siempre”.

Con reguladores que piden trazabilidad de cada decisión y clientes que revisan hasta la letra pequeña, respaldar tu estrategia de muestreo con un simple cálculo y un protocolo claro es la diferencia entre cerrar un lote a tiempo o escribir informes de no conformidad hasta el amanecer.

Conclusión

Escoger una muestra no es jugar a la ruleta; es diseñar un pequeño experimento donde las probabilidades trabajan a tu favor. El muestreo aleatorio simple garantiza imparcialidad, el sistemático introduce orden sin matar la aleatoriedad, el estratificado da voz a cada subgrupo y los duplicados/replicados ponen un reflector sobre tu propio ruido.

Dominar estos caballos de batalla te cubre la gran mayoría de escenarios reales en un laboratorio de ensayo o calibración. Y la próxima vez que alguien te diga “toma unas cuantas, que eso basta”, podrás contestar:

“Basta… ¿para qué precisión, con qué variabilidad y a qué nivel de confianza?”

Esa respuesta sola suele convertir cualquier conversación improvisada en un diálogo respaldado por ciencia. Porque en metrología —y en la vida— el azar funciona, siempre que lo diseñes con la cabeza.