Академический Документы
Профессиональный Документы
Культура Документы
MUESTREO
INTEGRANTES:
-Aguilera Palacios Erendira Axin
-Chávez León Jaime Alexis
-López Zavala Daniela Fernanda
-Ordoñez Espinoza Luz Edith
GRUPO: 2TM5
ESTADÍSTICA DESCRIPTIVA
El proceso
De forma concreta, el proceso que seguiríamos en un muestreo sistemático sería el
siguiente:
1. Elaboramos una lista ordenada de los N individuos de la población, lo que sería el marco
muestral.
2. Dividimos el marco muestral en n fragmentos, donde n es el tamaño de muestra que
deseamos. El tamaño de estos fragmentos será
K=N/n
Donde K recibe el nombre de intervalo o coeficiente de elevación.
3. Número de inicio: obtenemos un número aleatorio entero A, menor o igual al intervalo.
Este número corresponderá al primer sujeto que seleccionaremos para la muestra dentro del primer
fragmento en que hemos dividido la población.
4. Selección de los n-1 individuos restantes: Seleccionamos los siguientes individuos a
partir del individuo seleccionado aleatoriamente, mediante una sucesión aritmética, seleccionando
a los individuos del resto de fragmentos en que hemos dividido la muestra que ocupan la misma
posición que el sujeto inicial. Esto equivale a decir que seleccionaremos los individuos
Ahora elegimos al azar un número entre 1 y k=5. Suponemos que nos sale i=2. La muestra
resultado mediante el muestreo sistemático será:
Ejemplo 2
Consideramos una población de 5000 agricultores pertenecientes a una determinada zona
y de la que se pretende extraer una muestra sistemática de 10 agricultores. El procedimiento a
seguir es el siguiente: Definir el tamaño del salto sistemático k = 5000/10 = 500.
.Selecciona un numero aleatorio r entre 1 y 500, (por ejemplo 96).
-Seleccionar los restantes elementos de la muestra, 96, 96+500=596, 596+500=1096, 1596,
2096, 2596, 3096, 3596, 4096, 4596.
Ejemplo 3
Supongamos que tenemos un marco muestral de 5.000 individuos y deseamos obtener una
muestra de 100 de ellos. Dividimos en primer lugar el marco muestral en 100 fragmentos de 50
individuos. A continuación seleccionamos un número aleatorio entre 1 y 50, para extraer el primer
individuo al azar del primer fragmento: por ejemplo el 24. A partir de este individuo, queda
definida la muestra extrayendo los individuos de la lista con intervalos de 50 unidades, tal y como
sigue
24, 74, 124, 174,..., 4.974
Los estratos suelen ser grupos homogéneos de individuos, que a su vez son heterogéneos
entre diferentes grupos. Por ejemplo, si en un estudio esperamos encontrar un comportamiento
muy diferente entre hombres y mujeres, puede ser conveniente definir dos estratos, uno por cada
sexo. Si la selección de estos estratos es correcta (1) los hombres deberían comportarse de forma
parecida entre ellos, (2) las mujeres deberían comportarse de forma muy similar entre ellas y (3)
hombres y mujeres deberían mostrar comportamientos dispares entre sí.
Si la anterior condición se cumple (estratos homogéneos internamente, heterogéneos entre
sí) el uso del muestreo aleatorio estratificado reduce el error muestral, mejorando la precisión de
nuestros resultados al realizar un estudio sobre la muestra.
Es relativamente habitual definir estratos de acuerdo a algunas variables características de
la población como son la edad, sexo, clase social o región geográfica. Estas variables permiten
dividir fácilmente la muestra en grupos mutuamente excluyentes y con bastante frecuencia,
permiten discriminar comportamientos diferentes dentro de la población.
Esta técnica favorece los estratos que tienen menos peso en la población, equiparándolos
en importancia a los estratos más relevantes. Globalmente, reduce la eficiencia de nuestra muestra
(menor precisión en los resultados), pero como contrapartida permite estudiar características
particulares de cada estrato con mayor precisión. En nuestro ejemplo, si queremos emitir alguna
afirmación específica sobre la población del estrato 3 (mayores de 44 años), podremos hacerlo con
menor nivel de error muestral si empleamos una muestra de 333 unidades que si lo hacemos con
una muestra de 227 (como ocurría en el muestreo estratificado proporcional).
Y consideramos que todas las varianzas de los estratos son iguales (σh=σ) y que el tamaño
de los estratos es idéntico (Wh=1/L), el resultado que obtenemos es
Las unidades de muestreo o grupos pueden ser espaciados, tal como ocurre naturalmente
en las unidades geográficas o físicas (por ejemplo: estados, delegaciones o distritos); en base a una
organización como escuelas, grado escolar; o servicio telefónico tales como códigos de área o el
cambio de las claves lada de los números de teléfono. La heterogeneidad del grupo es fundamental
para un buen diseño del muestreo por conglomerados. Por otra parte, los elementos dentro de cada
grupo debe ser tan heterogéneos como la población objetivo
Podemos ver esta técnica desde otro punto de vista. Mientras que en todas las técnicas
vistas hasta ahora las unidades de muestreo coinciden con las unidades a estudiar (individuos), en
el muestreo por conglomerados las unidades de muestreo son grupos de unidades de estudio, algo
que puede resultar muy beneficioso en relación al coste del propio muestreo. A cambio, es habitual
obtener una menor precisión al usar esta técnica, causada por falta de heterogeneidad dentro de los
conglomerados.
El proceso de muestreo
El primer paso para aplicar esta técnica es definir los conglomerados. Se trata de identificar
una característica que permita dividir la población en grupos disjuntos (sin solapamiento) y
exhaustiva (todos los individuos deben estar en un grupo), de tal manera que los grupos no difieran
entre sí en relación a aquello que queremos medir. Una vez hemos definido estos conglomerados,
seleccionaremos al azar algunos de ellos para estudiarlos.
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 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
Los sujetos de una investigación 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.
Cuando se utiliza el muestreo por/ de conveniencia, es necesario describir cómo la muestra
de las pruebas en la investigación actual sería diferente de la muestra ideal, seleccionada al azar.
También es necesario describir los individuos que podrían quedar por fuera durante el proceso de
selección o los individuos que están sobrerrepresentados en la muestra.
En relación a esto, es mejor si se pueden describir los posibles efectos que, los sujetos no-
incluidos en la muestra o los que están sobrerrepresentados, pueden proporcionar a los resultados.
Esto permitirá a los lectores de la investigación obtener una buena comprensión de la muestra que
se prueba. También les permitirá estimar la posible diferencia entre los resultados en ésta prueba
piloto y los resultados que se podrían dar si representada correctamente toda la población.
-M UESTREO DE CUOTAS
Ejemplo 2.
En una encuesta de opinión de las elecciones en el Estado de México se busca a 20
individuos de 25 a 40 años, de sexo femenino y residentes en Ecatepec. Una vez determinada la
cuota se eligen los primeros que se encuentren que cumplan esas características.
Ejemplo 3.
En un estudio en el que hayamos definido una cuota de 100 personas menores de 25 años
y 100 personas de 25 o más años, podríamos salir a la calle y abordar a las personas que
encontramos a nuestro paso, preguntarles su edad y encuestarlas si no hemos cubierto nuestro
objetivo.
La razón principal por la que los investigadores eligen muestras por cuotas es que permiten
que los investigadores hagan un muestreo de un subgrupo que es de gran interés para el estudio.
Si un estudio tiene como objetivo investigar una característica o rasgo de un determinado
subgrupo, ésta es la técnica ideal.
El muestreo por cuotas también permite que los investigadores observen las relaciones
entre los subgrupos. En algunos estudios, los rasgos de un determinado subgrupo interactúan con
otros rasgos de otro subgrupo. En tales casos, también es necesario que el investigador utilice este
tipo de técnica de muestreo.
Ventajas de las muestras por cuotas.
La principal ventaja del muestreo por cuotas es que ofrece resultados útiles a un coste
efectivo y, si se han elegido correctamente las variables sobre las que segmentar, dichos resultados
suelen ser fiables.
Cuándo utilizarlo
Este método de muestreo es aconsejable cuando el responsable del estudio conoce estudios
anteriores similares o idénticos y sabe con precisión que la muestra que utilizaron fue útil para el
estudio, si la población es muy reducida y conocida por el investigador.
Ventajas.
Se requiere de información o características muy específicas para seleccionar la muestra y
por lo tanto es más confiable (por cuota)
Se hace la selección de la muestra de acuerdo al juicio del investigador, de esta forma es
más específico en buscar el tema que quiere conocer (por juicio)
Este tipo de muestreo reduce costos y tiempo
Desventajas.
Difícil generalizar a otros sujetos
Los resultados dependen de las características únicas de la muestra
Mayor probabilidad de error debido al investigador o influencia del sujeto
No son representativas de ninguna población definida
No tienen ningún sentido teórico generalizar a una población
Ejemplos
Ejemplo 1
Supongamos que el investigador va a relazar un estudio sobre el nivel de satisfacción del
profesorado de cierta universidad. El estudio se suele realizar cada dos años, por lo que el
responsable del estudio gracias a sus experiencias y antecedentes, sabe perfectamente cual puede
ser la mejor muestra para el estudio.
Ejemplo 2
A un jefe de estudio le encomiendan un estudio del nivel de satisfacción de los alumnos
con un determinado profesor. El investigador, que conoce a todos los alumnos de esa clase, decide
utilizar el muestreo discrecional seleccionado a los alumnos que cree que serán los más
representativos.
Ejemplo 3
Un investigador hace la selección de la muestra de acuerdo a su juicio, de esta forma es
más específico en buscar el tema que quiere conocer (por juicio y por conveniencia).
-M UESTREO DE GRUPO O POR ÁREAS