Mtodos y Distribuciones de Muestreo
El muestreo es una herramienta estadstica utilizada para inferir algo respecto de una poblacin mediante la seleccin de una muestra de esa poblacin.
La estadstica inferencial incluye los mtodos usados para determinar algo acerca de la poblacin basndose en una muestraLa estadstica descriptiva incluye los mtodos para organizar, resumir y presentar datos de manera informativa.Repasemos
POBLACIONMUESTRAMUESTREOMARCO MUESTRALUNIDAD MUESTRALELEMENTO MUESTRALCENSO
Son todas y cada una de las posibles observaciones o medidas que se estn considerando. De acuerdo a su tamao, la poblacin puede considerarse finita o infinita. La estatura de todos los nios en un preescolar (finita), el puntaje obtenido en un test sobre estrs para todos los empleados del estado (finita), el total de vehculos que llegan a un peaje durante un mes (infinita), el nmero de computadores existentes en Colombia (finita), etc. Es til aclarar que en estadstica cuando la poblacin es muy grande, se considera infinita. El grupo que en realidad podemos estudiar se denomina poblacin de estudio.
Es el recuento que se hace de una poblacin finita; es decir, debe ser numerable y contable. Es claro que si la poblacin es grande, los costos y el tiempo sern mucho mayores que cuando se utiliza muestreo, no obstante, dado la naturaleza de la variable en estudio y de los objetivos de la investigacin, es posible que en algunos casos se recomiende ste procedimiento. De cualquier manera, el censo no garantiza una confiabilidad en los resultados del 100%, precisamente por que existen otros factores que inciden en las diferentes mediciones en una investigacin
Es un subconjunto de la poblacin estadstica, es decir, es una parte de ella y por lo tanto tiene que poseer las mismas caractersticas de la poblacin objeto de estudio.
Es el mtodo estadstico por medio del cual se definen los criterios y tcnicas que deben orientar el proceso de recoleccin u obtencin de informacin. Es claro que el procedimiento de seleccin y el tamao est cruzado por los objetivos de la investigacin, las poblaciones son en lo general diferentes y por lo tanto, debern utilizarse criterios distintos para seleccionar las unidades bajo estudio.
Es un conjunto de listas de todas las unidades de muestreo, estas listas, tambin pueden ser mapas u otras formas que sirvan de base para determinar las unidades de muestreo.
Estudio sobre el perfil de los estudiantes y egresados de Agropecuaria - en los ltimos dos aos. Estudio sobre el perfil socio econmico de los docentes de universidades en Ecuador. Estudio para identificar la demanda de servicios de salud en Caucasia.Para los siguientes casos diga si es preferible Censo o muestreo y defina poblacin, unidad muestral y elemento muestral.
Algunas razones por las que el muestreo es necesario son: El costo de estudiar a todos los integrantes de una poblacin con frecuencia es prohibitivo. La idoneidad de los resultados de la muestra. Con frecuencia, ponerse en contacto con toda la poblacin supondra mucho tiempo. La naturaleza destructiva de ciertas pruebas. La imposibilidad fsica de verificar todos los artculos de la poblacin.
TCNICAS DE MUESTREOCuando elegimos individuo de una poblacin de estudio para formar muestras podemos encontrarnos en las siguientes situaciones:Muestreos probabilistasConocemos la probabilidad de que un individuo sea elegido para la muestra.. Interesantes para usar estadstica matemtica con ellos.Muestreos no probabilistasNo se conoce la probabilidad.Son muestreos que seguramente esconden sesgos.En principio no se pueden extrapolar los resultados a la poblacin.A pesar de ello una buena parte de los estudios que se publican usan esta tcnica.
MuestreoProbabilstico Muestreo aleatorio simple
Muestreo aleatorio sistemtico
Muestreo aleatorio estratificado.
Afijacin simple
Afijacin proporcional
Afijacin Optima
Muestreo aleatorio por conglomerados
Muestreo noProbabilstico Muestreo por cuotas
Muestreo opintico o intencional
Muestreo casual o incidental Bola de nieve Error Muestral
USOS DE CADA TIPO DE MUESTREOMuestreo ProbabilsticosEstimacin de ParmetrosComprobacin de HiptesisMuestreos No ProbabilsticosEstudios PilotosEstudios CualitativosInvestigaciones en poblaciones de difcil registro o localizacin (Ej. Marginales, prostitutas, enfermos de VIH, etc)
EJEMPLO: MUESTREO NO PROBABILSTICO? Se realiza un muestreo entre los alumnos que van a clases de Estadstica, eligindolos al azar a la entrada del saln.Este diseo es NO probabilstico porque aquellos que no van a clases NO PUEDEN ser elegidos
EJEMPLO: MUESTREO NO PROBABILSTICO?Se utiliza la lista de propietarios de lneas telefnicas para elegir a aquellos que sern encuestados. Este diseo es NO Probabilstico porque aquellos que no tienen telfono NO PUEDEN ser elegidos
EJEMPLO: MUESTREO NO PROBABILSTICO?Un investigador toma muestras del carbn extrado de una mina, tomando al azar trozos de carbn de la parte superior de cada carro. Este diseo es NO probabilstico porque solo se toma carbn de la parte superior
Son aquellos en los que todos los individuos tienen la
misma probabilidad de ser elegidos para formar parte de
una muestra y, consiguientemente, todas las posibles
muestras de tamao n tienen la misma probabilidad de ser elegidas.
Muestreo aleatorio simple El procedimiento es el siguiente:
1) Se asigna un nmero a cada individuo de la poblacin y
2) A travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido. No aplica en poblaciones grandes.
Muestreo aleatorio sistemtico
Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios solo se extrae uno.
Se parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que integran la muestras son los que ocupan los lugares i, i+k, i+2k, i+3k, , i+(n-1)k.
Es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la muestra: k = N/n.
El nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y k.
Muestreo aleatorio estratificado.
Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.).
La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos:
Afijacin simple A cada estrato le corresponde igual nmero de elementos maestrales.
Afijacin proporcional
La distribucin se hace de acuerdo con el peso (tamao) de la poblacin en cada estrato.
Afijacin Optima
Se tiene en cuenta la previsible dispersin de los resultados, de modo que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no suele conocer la desviacin
Muestreo aleatorio por conglomerados
En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la poblacin que forman una unidad, a la que llamamos conglomerado.
Las unidades hospitalarias, los departamentos universitarios, una caja de determinado producto, etc.
Son conglomerados naturales como por ejemplo, las urnas electorales. Cuando los conglomerados son reas geogrficas suele hablarse de "muestreo por reas".
A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no probabilsticas, an siendo conscientes de que no sirven para realizar generalizaciones, pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de ser elegidos.
En general se seleccionan a los sujetos siguiendo determinados criterios procurando que la muestra sea representativa.
Muestreo por cuotas. Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms "representativos" o "adecuados" para los fines de la investigacin.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que renen unas determinadas condiciones.
Ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y residentes en Tulcn. Una vez terminada la cuota se eligen los primeros que se encuentren que cumplan esas caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin.
Muestreo opintico o intencional Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras "representativas" mediante la inclusin en la muestra de grupos supuestamente tpicos.
Es muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores votaciones han marcado tendencias en voto.
Muestreo casual o incidental
Se trata de un proceso en el que el investigador selecciona directa e intencionalmente los individuos de la poblacin.
El caso ms frecuente de este procedimiento el utilizar como muestra los individuos a los que se tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia a sus propios alumnos).
Bola de nieve
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta conseguir una muestra suficiente.
Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,determinados tipos de enfermos, deportistas, etc.
Error Muestral De estimacin o estndar. Es la diferencia entre un estadstico y su parmetro correspondiente. Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta donde y con qu probabilidad una estimacin basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. (los resultados se someten a error muestral e intervalos de confianza que varan muestra a muestra). Vara segn se calcule al principio o al final.
Un estadstico ser ms preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es la desviacin de la distribucin muestral de un estadstico y su confiabilidad.
Recommended