distribucion muestral
23
FACULTAD: Administración de Negocios Internacionales DOCENTE: Infante Contreras, Rogelio CURSO: Estadísticas II TEMA: Distribución Muestral INTEGRANTES: -Isasi Morales, Víctor -Guevara Echevarría, Lesly
description
estadistica
Transcript of distribucion muestral
FACULTAD: Administración de Negocios Internacionales
DOCENTE: Infante Contreras, Rogelio
CURSO: Estadísticas II
TEMA: Distribución Muestral
INTEGRANTES:
-Isasi Morales, Víctor-Guevara Echevarría, Lesly
¿Qué es el muestreo?
En muchos experimentos, es imposible hacer un muestreo de una población entera como parte de un experimento de investigación, debido a cuestiones temporales y económicas y al gran número de sujetos.
Uno de los propósitos de la estadística inferenciales estimar las características poblacionales desconocidas, examinando la información obtenida de una muestra, de una población. El punto deinterés es la muestra, la cual debe ser representativa de la poblaciónobjeto de estudio. Se seguirán ciertos procedimientos de selección para asegurar de que las muestras reflejen observaciones a la población de la que proceden, ya que solo se pueden hacer observaciones probabilísticas sobre una población cuando se usan muestras representativas de la misma.
Una población está formada por la totalidad de las observaciones en las cuales se tiene cierto observa.
Una muestra es un subconjunto de observaciones seleccionadas de una población
Grupo de muestra
En las estadísticas, un grupo de muestra puede ser definido como
un subconjunto de una población. La población, o población
objetivo, es la población total sobre la que se busca información.
Idealmente, se trata de una población en riesgo. La "población de estudio" es la
población de donde se estraerá la muestra. Normalmente, sucede que
la población es muy grande y, en el caso de cualquier estudio de investigación,
estudiar a toda la población es a menudo poco práctico o imposible. Por lo
tanto, las unidades de muestra brindan a los investigadores un subconjunto de
la pobración manejable y representativo.
Técnicas de muestreo de población
El muestreo de población es un proceso que consiste en tomar un
subgrupo de sujetos que sea representativo de toda la población. La
muestra debe tener un tamaño suficiente como para garantizar un
análisis estadístico.
Generalmente, el muestreo se realiza porque es imposible probar a cada
individuo de la población. También se lleva a cabo para ahorrar tiempo, dinero y
esfuerzos mientras se realiza la investigación.
Tipos de muestreo
Muestreo no probabilístico
En este tipo de muestreo de población, los miembros de la población no tienen
las mismas posibilidades de ser seleccionados. Debido a esto, no es seguro
suponer que la muestra representa completamente a la población. También es
posible que el investigador elija deliberadamente a las personas que
participarán en el estudio.
El método de muestreo no probabilístico de población es útil para estudios
piloto, estudios de caso,investigación cualitativa y desarrollo de hipótesis.
Este método de muestreo se utiliza generalmente en estudios que no están
interesados en los parámetros de toda la población. Algunos investigadores
prefieren esta técnica de muestreo porque es barata, rápida y fácil.
Muestreo probabilístico
En el muestreo probabilístico, cada individuo de la población tiene igual
probabilidad de ser seleccionado como sujeto de la investigación.
Este método garantiza que el proceso de selección sea completamente
aleatorio y sin sesgo.
El ejemplo más básico de muestreo probabilístico consiste en enumerar los
nombres de todos los individuos de la población en hojas separadas y luego
sacar un número de hojas de a una de la colección completa de nombres.
La ventaja de utilizar el muestreo probabilístico es la exactitud de los métodos
estadísticos después del experimento. También se puede utilizar para
determinar los parámetros de la población, ya que es representativo de toda la
población. También es un método fiable para eliminar el sesgo de muestreo.
Población de la investigación
Todas las preguntas de investigación abordan temas que son de
gran importancia para los grupos importantes de personas
conocidos como la población de la investigación.
La población de la investigación es generalmente una gran colección de
individuos u objetos que son el foco principal de una investigación científica.
Las investigaciones se realizan en beneficio de la población. Sin embargo,
debido a los grandes tamaños de las poblaciones, los investigadores a menudo
no pueden probar a cada individuo de la población, ya que consume mucho
dinero y tiempo. Por esta razón, los investigadores confían en las técnicas de
muestreo.
Una población de la investigación también es conocida como una colección
bien definida de individuos u objetos que tienen características similares. Todas
las personas u objetos dentro de una determinada población por lo general
tienen una característica o rasgo en común.
Por lo general, la descripción de la población y las características comunes de
sus miembros son las mismas. "Los funcionarios del gobierno" constituyen un
grupo bien definido de personas que pueden ser consideradas una población y
todos los miembros de esta población son de hecho funcionarios del gobierno.
Tamaño de la muestra
El tamaño de la muestra de una muestra estadística es el número de
observaciones que la componen.
El tamaño de la muestra normalmente es representado por "n" y siempre es un
número entero positivo. No se puede hablar de ningún tamaño exacto de la
muestra, ya que puede variar dependiendiendo de los diferentes marcos de
investigación. Sin embargo, si todo lo demás es igual, una muestra de tamaño
grande brinda mayor precisión en las estimaciones de las diversas propiedades
de la población.
¿Cuál debe ser el tamaño de la muestra?
Determinar el tamaño de la muestra que se va a seleccionar es un paso
importante en cualquier estudio de investigación. Por ejemplo, un investigador
desea determinar la prevalencia de problemas oculares en niños en edad
escolar y quiere realizar una encuesta.
La pregunta importante que debe ser contestada en todas las encuestas de
muestra es: "¿Cuántos participantes deben ser elegidos para una encuesta?"
Sin embargo, la respuesta no puede ser dada sin tener en cuenta los objetivos
y circunstancias de las investigaciones.
La elección del tamaño de la muestra depende de consideraciones no
estadísticas y estadísticas. Las consideraciones no estadísticas pueden incluir
la disponibilidad de los recursos, la mano de obra, el presupuesto, la ética y
el marco de muestreo. Las consideraciones estadísticas incluirán la precisión
deseada de la estimación de la prevalencia y la prevalencia esperada de los
problemas oculares en niños en edad escolar.
Para determinar el tamaño adecuado de las muestras es necesario seguir los
tres criterios:
1. Nivel de precisión
El nivel de precisión, también llamado error de muestreo, es el rango en donde
se estima que está el valor real de la población. Este rango se expresa en
puntos porcentuales. Por lo tanto, si un investigador descubre que el 70% de
los agricultores de la muestra han adoptado una tecnología recomendada con
una tasa de precisión de ~+mn~ 5%, el investigador puede concluir que entre el
65% y el 75% de los agricultores de la población han adoptado la nueva
tecnología.
2. Nivel de confianza
El intervalo de confianza es la medida estadística del número de veces de cada
100 que se espera que los resultados se encuentren dentro de un rango
específico.
Por ejemplo, un intervalo de confianza de 90% significa que los resultados de
una acción probablemente cubrirán las expectativas el 90% de las veces.
La idea básica descripta en el Teorema del límite central es que cuando una
población se muestrea muchas veces, el valor promedio de un atributo
obtenido es igual al valor real de la población. En otras palabras, si un intervalo
de confianza es del 95%, significa que 95 de 100 muestras tendrán el valor real
de la población dentro del rango de precisión.
3. Grado de variabilidad
Dependiendo de la población objetivo y los atributos a considerar, el grado
de variabilidad varía considerablemente. Cuanto más heterogénea sea una
población, mayor deberá ser el tamaño de la muestra para obtener un nivel
óptimo de precisión. Ten en cuenta que una proporción de 55% indica un nivel
más alto de variabilidad que un 10% o un 80%. Esto se debe a que 10% y 80%
significa que una gran mayoría no posee o posee el atributo en cuestión.
Existen muchos enfoques para determinar el tamaño de la muestra, incluyendo
el uso de un censo en el caso de poblaciones más pequeñas, el uso de tablas
publicadas, imitar un tamaño de muestra de estudios similares y aplicar
fórmulas para calcular un tamaño de la muestra.
Aleatoriedad
La aleatoriedad es un método de muestreo utilizado en los
experimentos científicos. Es comúnmente utilizada en pruebas
controladas aleatorias en la investigación experimental.
En la investigación médica, la aleatoriedad y el control de pruebas son
utilizados para probar la eficacia o efectividad de los servicios sanitarios o las
tecnologías de salud, tales como los medicamentos, los dispositivos médicos o
las cirugías.
Técnicas de muestreo estadístico
Las técnicas de muestreo estadístico son las estrategias aplicadas
por los investigadores durante el proceso de muestreo estadístico.
Este proceso se lleva a cabo cuando los investigadores intentan sacar
conclusiones para toda la población después de realizar un estudio sobre una
muestra tomada de la misma población.
Preocupaciones en el muestreo estadístico
Representatividad
Ésta es la preocupación principal en el muestreo estadístico. La muestra
obtenida de la población debe ser representativa de esa población.
Esto se puede lograr mediante el uso de técnicas de muestreo
estadístico aleatorio o muestreo de probabilidad como el muestreo por
conglomerados y el muestreo estratificado.
Que la razón detrás de la representatividad sea la preocupación principal en el
muestreo estadístico es lo que permite que el investigador pueda extraer
conclusiones para toda la población. Si la muestra no es representativa de la
población, no se pueden extraer conclusiones porque los resultados que el
investigador obtiene de la muestra son diferentes de los resultados si se prueba
a toda la población.
Practicabilidad
La practicabilidad de las técnicas de muestreo estadístico permite que los
investigadores estimen el número posible de sujetos que puedan ser incluidos
en la muestra, el tipo de técnica de muestreo, la duración del estudio, el
número de materiales, las preocupaciones éticas, la disponibilidad de los
sujetos/muestras, la necesidad del estudio y la cantidad de mano de obra que
el estudio exija.
Todos estos factores contribuyen a las decisiones que tome el investigador con
respecto al diseño del estudio.
Riesgos de muestreo
Existen dos tipos de riesgos de muestreo: primero, el riesgo de aceptación
incorrecta de la hipótesis de investigación y segundo, el riesgo de rechazo
incorrecto. Estos riesgos se refieren a la posibilidad de que cuando se lleva a
cabo una prueba sobre una muestra, los resultados y conclusiones puedan ser
diferentes de los resultados y conclusiones cuando la prueba se lleva a cabo
para toda la población.
El riesgo de la aceptación incorrecta se refiere al riesgo de que la muestra
pueda arrojar una conclusión que apoye una teoría sobre la población cuando
en realidad no existe en la población. Por otro lado, el riesgo de un rechazo
incorrecto se refiere al riesgo de que la muestra pueda arrojar una conclusión
que rechace una teoría sobre la población cuando en realidad la teoría es cierta
en la población.
Comparando los dos tipos de riesgos, los investigadores temen más el riesgo
de rechazo correcto que el riesgo de aceptación incorrecta. Veamos este
ejemplo: se probó una droga experimental por sus efectos secundarios
debilitantes. Con el riesgo de la aceptación incorrecta, el investigador concluirá
que la droga tiene efectos secundarios negativos pero la verdad es que no es
así. Entonces, toda la población se abstendrá de tomar el medicamento. Pero
con el riesgo de un rechazo incorrecto, el investigador concluirá que la droga
no tiene efectos secundarios negativos. Luego, toda la población tomará la
droga sabiendo que no tiene efectos secundarios, pero todos sufrirán las
consecuencias del error del investigador.
Distribución de muestreo
Las distribuciones de muestreo constituyen una pieza importante de
estudio por varias razones. En la mayoría de los casos, la viabilidad
de un experimento dicta el tamaño de la muestra. La distribución de
muestreo es la distribución de probabilidad de una muestra de una
población en lugar de toda la población.
En palabras más simples, supongamos que de una
determinada población tomas todas las muestras posibles de tamaño n y
calculas una estadística (por ejemplo, media) de todas las muestras. Si luego
preparas una distribución de probabilidad de esta estadística, obtendrás una
distribución de muestreo.
Las propiedades de la distribución de muestreo pueden variar dependiendo de
cuán pequeña sea la muestra en comparación con la población. Se supone que
la población se distribuye normalmentecomo generalmente sucede. Si
el tamaño de la muestra es lo suficientemente grande, la distribución de
muestreo también estará cerca de lo normal.
Si éste es el caso, entonces la distribución de muestreo puede ser totalmente
determinada por dos valores: la media y la desviación estándar. Estos dos
parámetros son importantes para calcular la distribución de muestreo si se nos
da la distribución normal de toda la población.
Distribución de muestreo de la media y la desviación estándar
La distribución de muestreo de la media se obtiene tomando la estadística bajo
estudio de la muestra como la media. Calcular esto significa tomar todas las
muestras posibles de tamaño n de la población de tamaño N y luego trazar la
distribución de probabilidad. Se puede demostrar que la media de la
distribución de muestreo es, de hecho, la media de la población.
Sin embargo, la desviación estándar es diferente para la distribución de
muestreo en comparación con la población. Si la población es lo
suficientemente grande, esto está dado por:
Donde σ es la desviación estándar de la distribución de la población y σ es la xxmedia de población.
Otras distribuciones
Estas fórmulas son válidas únicamente cuando la población se distribuye
normalmente. Si éste no es el caso, entonces la media y la desviación estándar
de la distribución de muestreo serán diferentes y dependerán del tipo de
distribución de la población.
La distribución normal es una de las distribuciones de probabilidad más
simples, por lo que es muy fácil de estudiar y analizar. Podemos encontrar
fácilmente fórmulas matemáticas para las estadísticas de distribución de
muestreo que queremos encontrar.
Sin embargo, cuando la distribución no es normal, esto puede ser muy
complicado y tales formulaciones matemáticas sencillas podrían ser difíciles de
encontrar o hasta imposibles en algunos casos. En estos casos, usamos
métodos aproximados porque encontrar el valor exacto implicará el estudio de
cada muestra de tamaño n tomada de la población, lo que es muy difícil y
requiere mucho tiempo.
Error de muestreo
El error de muestreo es la desviación de la muestra seleccionada de las verdaderas características, rasgos, comportamientos, cualidades o figuras de toda la población.
¿Por qué sucede este error?
El error del proceso de muestreo ocurre cuando los investigadores toman
diferentes sujetos de la misma población, y aún así, los sujetos tienen
diferencias individuales. Debes recordar que cuando tomas una muestra, se
trata de un subconjunto de toda la población y, por lo tanto, puede haber una
diferencia entre la muestra y la población.
La causa más frecuente de dicho error es un procedimiento de muestreo
sesgado. Todo investigador debe tratar de establecer una muestra que esté
libre de sesgos y sea representativa de toda la población. Así, el investigador
es capaz de minimizar o eliminar el error de muestreo.
Otra causa posible de este error es la casualidad. Se lleva a cabo el proceso
de aleatorización ymuestreo de probabilidad para minimizar el error del proceso
de muestreo, pero igualmente es posible que todos los sujetos asignados al
azar no sean representativos de la población.
El resultado más común de error de muestreo es el error sistemático en donde
los resultados de la muestra difieren significativamente de los resultados de
toda la población. Se entiende que si la muestra no es representativa de toda la
población, lo más probable es que los resultados de la muestra difieran de los
resultados de toda la población.
Tamaño de la muestra y error de muestreo
Dados dos estudios exactamente iguales, dos métodos de muestreo iguales y
la misma población, el estudio con un tamaño de muestra más grande tendrá
menos error del proceso de muestreo que el estudio con un tamaño menor de
la muestra. Debes recordar que a medida que aumenta el tamaño de la
muestra, se acerca al tamaño de toda la población y, por lo tanto, se aproxima
a todas las características de la población, disminuyendo el error del proceso
de muestreo.
Desviación estándar y error de muestreo
La desviación estándar se utiliza para expresar la variabilidad de la población.
Más técnicamente, es la diferencia promedio de todas las puntuaciones reales
de los sujetos de la media o promedio de todas las puntuaciones. Por lo tanto,
si la muestra tiene una alta desviación estándar, se deduce que la muestra
también tiene un alto error del proceso de muestreo.
Se entiende más fácilmente si relacionas la desviación estándar con el tamaño
de la muestra. Debes tener en cuenta que a medida que aumenta el tamaño de
la muestra, la desviación estándar disminuye.
Imagina que tienes sólo 10 sujetos. Con este tamaño de la muestra tan
pequeño, la tendencia de sus resultados es que variarán mucho, produciendo
una alta desviación estándar. Ahora imagina que el tamaño de la muestra
aumentó a 100. La tendencia de sus puntuaciones es a agruparse, produciendo
una desviación estándar baja.
Formas de eliminar el error de muestreo
Sólo hay una manera de eliminar este error. Consiste en eliminar el concepto
de muestra y probar a toda la población.
En la mayoría de los casos esto no es posible. Por consiguiente, lo que el
investigador debe hacer es minimizar el error del proceso de muestreo. Esto se
puede lograr con un muestreo probabilístico adecuado y no sesgado y
mediante el uso de un gran tamaño de la muestra.
Error de muestreo aleatorio
Los errores de muestreo aleatorio son una clase de error experimental que todos deberían conocer.
Cualquiera que lea encuestas en Internet o en los periódicos debe saber que los errores de muestreopueden influir enormemente en los datos y llevar a la gente a sacar conclusiones incorrectas
Para agravar aún más los errores de muestreo aleatorio, muchas empresas
de encuestas, periódicos y expertos son conscientes de esto y manipulan las
encuestas para mostrar resultados favorables.
En cualquier experimento donde es imposible hacer un muestreo de toda una
población, generalmente debido a la practicidad y a los costos, se debe utilizar
una muestra representativa.
Por supuesto, un grupo de muestra nunca podrá coincidir plenamente con toda
la población y siempre habrá alguna probabilidad de error de muestreo
aleatorio.
Cualquier investigador debe esforzarse por garantizar que la muestra sea lo
más representativa posible y las pruebas estadísticas tienen controles y
equilibrios incorporados para lograr esto.
Para mostrar cómo asegurarte de que tus estadísticas sean lo más precisas
posible, utilizaremos el ejemplo de una encuesta de opinión. Se trata de una de
las representaciones de datos más comúnmente malinterpretadas y el no tomar
en cuenta los matices de las estadísticas pueden brindar una imagen
incorrecta.
Margen de error: una imagen incorrecta
El problema es que, cuando veas una encuesta de opinión en un periódico o
sitio de Internet, por lo general verás un margen de error de + o - 3%. La
tentación es pensar que las encuestas serán precisas dentro de esta figura.
Por ejemplo, si una encuesta da al partido político (A) el 42% de los votos
y al (B) el 39%, esto abre una serie de resultados posibles. (A) podría
tener un 45% y (B) un 36%. Ambos podrían tener el 39% o (B) podría estar
al frente, 42% contra 39%. Obviamente, los resultados podrían mostrar
cualquier variación entre esos extremos. Bastante complicado, ¿no?
Para complicar todo aún más, incluso este error de muestreo aleatorio puede
ser muy impreciso. Cualquier encuesta de opinión puede dar el margen de
error, pero esto puede transmitir una sensación falsa de seguridad y hacer que
la gente suponga que los resultados "deben" estar en este rango.
De hecho, estas cifras podrían estar completamente equivocadas y los
números ser solamente estimativos.
El problema del error de muestreo aleatorio
El problema es que estos resultados sólo muestran el error de muestreo
aleatorio dentro de ese grupo específico. Muestran las probabilidades de que
los resultados en ese grupo se produzcan por casualidad, exactamente como el
95% de margen de confianza empleado por muchos investigadores científicos.
Sin embargo, ésta es una definición muy reducida y es a menudo mal
entendida.
En una encuesta de opinión, no hay garantía de que la muestra de 1000 o
10.000 personas sea verdaderamente representativa de la población en
general.
Han existido muchas encuestas extremadamente imprecisas en los últimos
años y han fracasado debido a un diseño malo y a no comprender todos los
factores importantes.
Por ejemplo, una empresa de sondeo de opinión que realiza encuestas
telefónicas puede cometer el error de llamar por teléfono solamente en
horario de oficina, cuando la mayoría de la población está en el trabajo,
sesgando así los datos.
Además, las familias pobres no siempre tienen una línea telefónica fija y utilizan
celulares no registrados, dejando de nuevo un gran margen para la inexactitud.
En estos casos, los márgenes de error serían perfectamente aceptables pero
los resultados generales seguirían estando muy equivocados.
Las empresas de sondeo modernas son muy hábiles para diseñar encuestas
para seleccionar muestras de muchos elementos de la población, por muchos
medios. Por eso, rara vez ocurren grandes errores. A pesar de esto, las
encuestas de opinión siempre deben ser tomadas como una guía solamente,
no como una representación exacta de cómo es probable que se desarrolle una
elección.
Error de muestreo aleatorio y diseño experimental
Los errores cometidos por los encuestadores están directamente relacionados
con cualquier tipo deexperimento que incluya grupos de muestra aleatorios.
Las estadísticas sólo pueden trabajar con los datos brindados y si tu diseño no
está bien pensado, no podrá cubrir estos errores. La basura que entra es sin
duda basura que tiene que salir.
Muestreo probabilístico y aleatorización
El muestreo probabilístico es una técnica de muestreo en virtud de
la cual las muestras son recogidas en un proceso que brinda a
todos los individuos de la población las mismas oportunidades de
ser seleccionados.
En esta técnica de muestreo, el investigador debe garantizar que cada
individuo tenga las mismas oportunidades de ser seleccionado y esto se puede
lograr si el investigador utiliza la aleatorización.
La ventaja de utilizar una muestra aleatoria es la ausencia de sesgos de
muestreo y sistemáticos. Si la selección aleatoria se hace correctamente, la
muestra será representativa de toda la población.
El efecto de esto es un sesgo sistemático ausente o mínimo que es la
diferencia entre los resultados de la muestra y los resultados de la población. El
sesgo de muestreo también se elimina ya que los sujetos son elegidos al azar.
Muestreo aleatorio
El muestreo aleatorio constituye una de las clases más populares
de muestreo aleatorio o probabilístico.
En esta técnica, cada miembro de la población tiene la misma probabilidad de
ser seleccionado como sujeto. Todo el proceso de toma de muestras se realiza
en un paso, en donde cada sujeto es seleccionado independientemente de los
otros miembros de la población.
El muestreo aleatorio siemple se puede aplicar en muchos métodos. El más
primitivo y mecánico sería el de la lotería. A cada miembro de la población se le
asigna un número. Todos los números se colocan en un recipiente o un
sombrero y se mezclan. Con los ojos vendados, el investigador va sacando las
etiquetas con números. Todos los individuos que tengan los números sacados
por el investigador son los sujetos del estudio. Otra forma sería que una
computadora haga la selección al azar de la población. En el caso de
poblaciones con pocos miembros, es aconsejable utilizar el primer método,
pero si la población tiene muchos miembros, es preferible una selección
aleatoria por computadora.
Método de muestreo estratificadoEl muestreo estratificado es una técnica de muestreo probabilístico
en donde el investigador divide a toda la población en diferentes
subgrupos o estratos. Luego, selecciona aleatoriamente a los
sujetos finales de los diferentes estratos en forma proporcional.
Muestreo estratificado: tipos
Muestreo aleatorio estratificado proporcionado
En esta técnica, el tamaño de la muestra de cada estrato es proporcional al
tamaño de la población del estrato si se compara con la población total. Esto
significa que el cada estrato tiene la misma fracción de muestreo.
Supongamos que tienes 3 estratos con 100, 200 y 300 tamaños de la
población, respectivamente. El investigador eligió una fracción de muestreo de
½. Luego, el investigador debe probar al azar 50, 100 y 150 sujetos de cada
estrato, respectivamente.
Estrato A B C
Tamaño de la
población 100 200 300
Fracción de
muestreo ½ ½ ½
Tamaño final de 50 100 150
la muestra
En esta técnica, lo importante es recordar el uso de la misma fracción de
muestreo en cada estrato, independientemente de las diferencias en el tamaño
de la población de los estratos. Es muy parecido a reunir una población más
pequeña que sea específica de las proporciones relativas de los subgrupos
dentro de la población.
Muestreo aleatorio estratificado desproporcionado
La única diferencia entre el muestreo aleatorio estratificado proporcionado yel desproporcionado son sus fracciones de muestreo. En el muestreo desproporcionado, los diferentes estratos tienen diferentes fracciones de muestreo.
La precisión de este diseño es altamente dependiente de la asignación de
fracción de muestreo del investigador. Si el investigador comete errores en la
asignación de fracciones de muestreo, un estrato puede ser representado en
exceso o insuficientemente y dará resultados sesgados.
Muestreo sistemático
El muestreo sistemático es una técnica de muestreo aleatorio que
los investigadores eligen con frecuencia por su sencillez y calidad
regular.
En el muestreo aleatorio sistemático, el investigador primero escoge
aleatoriamente la primera pieza o sujeto de la población. A continuación, el
investigador seleccionará a cada enésimo sujeto de la lista.
El procedimiento del muestreo aleatorio sistemático es muy fácil y se puede
hacer manualmente. Los resultados son representativos de la población a
menos que se repitan ciertas características de la población por cada enésimo
individuo, lo que es muy poco probable.
El proceso de obtención de la muestra sistemática es muy similar a una
progresión aritmética.
1. Número de inicio:
El investigador selecciona un número entero que debe ser menor al número total de individuos en la población. Este número entero corresponderá al primer sujeto.
2. Intervalo:
El investigador elige otro número entero que servirá como la diferencia constante entre dos números consecutivos en la progresión.
El número entero se selecciona típicamente de modo que el investigador
obtenga el tamaño de la muestra correcto.
Por ejemplo, el investigador tiene una población total de 100 individuos y
necesita 12 sujetos. Primero elige su número de partida, 5.
Luego, el investigador elige su intervalo, 8. Los miembros de su muestra serán
los individuos 5, 13, 21, 29, 37, 45, 53, 61, 69, 77, 85, 93.
Otros investigadores utilizan una técnica de muestreo aleatorio sistemático
modificada en donde primero identifican el tamaño de la muestra necesario. A
continuación, dividen el número total de la población por el tamaño de la
muestra para obtener la fracción de muestreo. La fracción de muestreo luego
se utiliza como la diferencia constante entre los sujetos.
Muestreo por conglomerados
En el muestreo por conglomerados, en lugar de seleccionar a todos los sujetos de la población inmediatamente, el investigador realiza varios pasos para reunir su muestra de la población.
En primer lugar, el investigador selecciona grupos o conglomerados y de cada
grupo selecciona a los sujetos individuales, ya sea por muestreo aleatorio
simple o muestreo aleatorio sistemático. El investigador también puede optar
por incluir a todo el conglomerado, no sólo a un subconjunto.
El conglomerado más utilizado en la investigación es un conglomerado
geográfico. Por ejemplo, un investigador desea estudiar el rendimiento
académico de los estudiantes secundarios en España.
1. Puede dividir a toda la población (población de España) en diferentes conglomerados (ciudades).
2. Luego, el investigador selecciona una serie de conglomerados en función de su investigación, a través de un muestreo aleatorio simple o sistemático.3. Luego, de los conglomerados seleccionados (ciudades seleccionadas al azar) el investigador puede incluir a todos los estudiantes secundarios como sujetos o seleccionar un número de sujetos de cada conglomerado a través de un muestreo aleatorio simple o sistemático.
Lo más importante sobre esta técnica de muestreo es dar a todos los
conglomerados iguales posibilidades de ser seleccionados.
Muestreo no probabilístico
El muestreo no probabilístico es una técnica de muestreo donde las muestras se recogen en un proceso que no brinda a todos los individuos de la población iguales oportunidades de ser seleccionados.
En cualquier tipo de investigación es difícil lograr un muestreo
aleatorio auténtico.
La mayoría de los investigadores tienen limitaciones temporales, monetarias y
de mano de obra y, gracias a ellas, es casi imposible tomar una muestra
aleatoria de toda la población. Generalmente, es necesario emplear otra
técnica de muestreo, la técnica de muestreo no probabilístico.
A diferencia del muestreo probabilístico, la muestra no probabilística no es un
producto de un proceso de selección aleatoria. Los sujetos en una muestra no
probabilística generalmente son seleccionados en función de su accesibilidad o
a criterio personal e intencional del investigador.
La desventaja del método de muestreo no probabilístico es que no se toman
pruebas de una porción desconocida de la población. Esto implica que la
muestra puede representar a toda la población con precisión o no. Por lo tanto,
los resultados de la investigación no pueden ser utilizados
en generalizaciones respecto de toda la población.
Muestreo por conveniencia
El muestreo de o por conveniencia es una técnica de muestreo no probabilístico donde los sujetos son seleccionados dada la conveniente accesibilidad y proximidad de los sujetos para el investigador.
Los sujetos de una investigacion específica, son seleccionados para el estudio
sólo porque son más fáciles de reclutar y el investigador no está considerando
las características de inclusión de los sujetos que los hace representativos de
toda la población.
En todas las formas de investigación, sería ideal generalizar los resultados a la
totalidad de la población, pero en la mayoría de los casos, la población es
demasiado grande y resulta imposible incluir cada individuo. Esta es la razón
por la cual la mayoría de los investigadores utilizan técnicas de muestreo, como
el muestreo de conveniencia, la más común de todas las técnicas de muestreo.
Muchos investigadores prefieren esta técnica de muestreo, ya que es rápida,
barata, fácil y sobre todo, los sujetos están disponibles.
Método de muestreo secuencial
El muestreo secuencial es una técnica de muestreo no probabilístico en donde el investigador escoge un sujeto o un grupode sujetos en un determinado intervalo de tiempo, lleva a cabo su estudio, analiza los resultados, luego escoge otro grupo de sujetos, si es necesario, y así sucesivamente.
Esta técnica de muestreo brinda al investigador posibilidades ilimitadas de ajustar sus métodos de investigación y obtener un conocimiento fundamental sobre el estudio que está llevando a cabo.
Muestreo por cuotas
El muestreo por cuotas es una técnica de muestreo no
probabilístico en donde la muestra reunida tiene la misma
proporción de individuos que toda la población con respecto al
fenómeno enfocado, las características o los rasgos conocidos.
Asimismo, el investigador debe asegurarse de que la composición de la
muestra final que será utilizada en el estudio cumpla los criterios de cuota de la
investigación.
Muestreo discrecional
El muestreo discrecional es una técnica de muestreo no
probabilístico donde el investigador selecciona las unidades que
serán muestra en base a su conocimiento y juicio profesional.
Este tipo de técnica de muestreo también se conoce como muestreo
intencional y muestreo por juicio.
El muestreo discrecional se utiliza en los casos en que la especialidad de una autoridad puede seleccionar una muestra más representativa que pueda arrojar resultados más precisos que mediante otras técnicas de muestreo probabilístico. El proceso consiste en elegir intencionalmente a dedo a los individuos de la población sobre la base del conocimiento o juicio de la autoridad o investigador.
Muestreo de bola de nieve
El muestreo de bola de nieve es una técnica de muestreo no probabilístico utilizada por los investigadores para identificar a los sujetos potenciales en estudios en donde los sujetos son difíciles de encontrar.
Los investigadores utilizan este método de muestreo si la muestra para el
estudio es muy rara o si está limitada a un subgrupo muy pequeño de
la población. Este tipo de técnica de muestreo funciona en cadena. Luego de
observar al primer sujeto, el investigador le pide ayuda a él para identificar a
otras personas que tengan un rasgo de interés similar.
El proceso de muestreo de bola de nieve es como pedirles a tus sujetos que
designen a otra persona con el mismo rasgo como el próximo sujeto. Luego, el
investigador observa a los sujetos designados y sigue de la misma manera
hasta obtener el número suficiente de sujetos.
Por ejemplo, para obtener sujetos para un estudio que quiere analizar una
enfermedad rara, el investigador puede elegir utilizar el muestreo de bola de
nieve, ya que será difícil obtener sujetos. También es posible que los pacientes
con la misma enfermedad tengan un grupo de apoyo, y si uno de sus miembros
es tu primer sujeto, lo más probable es que allí encuentres más sujetos para el
estudio.
Tipos de muestreo de bola de nieve
Muestreo de bola de nieve lineal
Muestreo de bola de nieve no discriminatorio exponencial
Muestreo de bola de nieve discriminatorio exponencial
