miércoles, 13 de diciembre de 2017
lunes, 11 de diciembre de 2017
MUESTREO
Muestreo probabilístico.
Cada elemento del universo tiene una probabilidad conocida y no nula de figurar en la
muestra, es decir, todos los elementos del universo pueden formar parte de la muestra.
Los métodos de muestreo probabilístico son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los elementos del universo tienen la
misma probabilidad de ser elegidos para formar parte de la muestra.
Tipos de métodos de muestreo probabilístico:
Muestreo aleatorio simple.
Muestreo aleatorio sistemático
Muestreo aleatorio estratificado
Muestreo aleatorio por conglomerados
Muestreo NO probabilístico.
No todos los elementos de la muestra NO tienen la misma probabilidad, y por tanto no se
tiene la certeza que la muestra extraída sea representativa. En general se seleccionan los
elementos siguiendo determinados criterios procurando que la muestra sea representativa al
máximo.
Teniendo claro que no sirven para realizar generalizaciones, en ocasiones son útiles para
estudios exploratorios o cuando los estudios probabilísticos resultan excesivamente
costosos.
Tipos de muestreo NO probabilístico:
Muestreo por cuotas
Muestreo opinático o intencional
Muestreo causal o accidental
Muestreo por bola de nieve.
Muestreos probabilísticos.
Muestreo Aleatorio Simple.
La selección de la muestra se realiza en una sola etapa, directamente y sin
reemplazamientos.
Se aplica fundamentalmente en investigaciones sobre poblaciones pequeñas y plenamente
identificables, por ejemplo cuando disponemos de la lista completa de todos los elementos
del universo.
Para explicarlo en un lenguaje sencillo, consiste en rifar – sortear entre todos los elementos
del universo los que pertenecerán a la muestra.
Muestreo Aleatorio Sistemático.
Es una variante del Aleatorio Simple, se diferencia en la forma de seleccionar los elementos
de la muestra.
Una vez determinado el tamaño de la muestra se calcula el coeficiente de elevación, que es
el cociente, la división, entre el tamaño del universo y el tamaño de la muestra.
Lic. Ricardo López
Pág. 1 de 5I NTERPRETACIÓN DE D ATOS E STADÍSTICOS
K
N
n
Donde N es el tamaño del universo y n el tamaño de la muestra.
Se elige un número al azar que sea como máximo el coeficiente de elevación, es decir un
número entre 1 y K. A este número lo llamaremos “a”.
En el listado de todos los elementos del universo se selecciona el elemento “a”, el elemento
“a + K”, el “a + 2K”, el “a + 3K”,... así hasta completar la muestra.
Obviamente para utilizar este método necesitamos disponer de la lista de todos los
elementos del universo y por supuesto debe ser un universo no muy grande.
Este proceso permite simplificar considerablemente el proceso de selección, pero existe el
riesgo de introducir sesgos en la muestra al elegir los elementos de forma periódica.
Estos riesgos se producen cuando el listado del universo está ordenado en función de
determinados criterios que pueden inducir a que la selección sistemática recaiga en
elementos que no sean representativos del universo.
Ejemplo:
Vamos a realizar un estudio sobre el nivel de satisfacción de las y los
clientes de una empresa.
Si el personal de la empresa, por ejemplo de una tienda, atiende en
orden a las y los clientes, es decir, que el personal se turna para
atender a cada cliente, nos puede provocar conflictos si utilizamos el
muestreo aleatorio sistemático.
Imaginen que el coeficiente de elevación es siete, y en la tienda hay
siete vendedores y vendedoras, la muestra correspondería solamente a
los y las clientes atendidos por el vendedor número siete. Esto
produciría que el estudio sería sobre la calidad de atención de un
determinado vendedor o vendedora y no sobre la totalidad.
Para utilizar este tipo de muestreo y evitar estos riesgos se puede “desordenar” el listado de
los elementos del universo antes de realizar la selección.
Muestreo Aleatorio Estratificado.
Se basa en dividir los elementos del universo en grupos, donde cada elemento del universo
pertenece a un solo grupo, y el conjunto de los grupos forman la totalidad del universo. A
cada grupo lo llamamos estrato.
Ventajas:
permite tratar de forma independiente los elementos de cada uno de los estratos.
puede realizar diferentes métodos de muestreo y/o estimación en determinados
estratos, lo que permite reducir la varianza (desviación estándar) y por tanto disminuir
el tamaño de la muestra.
permite aumentar la precisión de los resultados.
facilita la coordinación y realización de los trabajos de campo.
Objetivo: conseguir en cada estrato elementos homogéneos entre si y heterogéneos en
relación con los elementos de los otros estratos.
Homogéneos entre si, que todos los elementos de un estrato tienen características y
comportamientos similares en relación a la variable que estudiamos.
Heterogéneos con los otros, que tienen características y comportamientos
diferentes en relación a la variable que estudiamos.
Lic. Ricardo López
Pág. 2 de 5I NTERPRETACIÓN DE D ATOS E STADÍSTICOS
Proceso de estratificación:
1. Definir las características (variables) que utilizaremos para definir los estratos.
Las características han de estar relacionadas con la variable a estudiar.
2. Determinar el número de estratos.
El número de estratos no puede ser muy grande porque estratos con pocos elementos
dificultan y encarecen el proceso, pero tampoco puede ser muy pequeño porque nos aportaría
muy pocas ventajas.
3. Determinar el tamaño de la muestra.
4. Seleccionar la muestra en cada estrato.
Se puede utilizar el muestreo aleatorio simple o el sistemático en cada estrato.
Resulta difícil estratificar variables muy correlacionadas, es decir, cuando no existen
diferencias entre las características y comportamiento de los elementos.
En general y como criterio más viable se suele recurrir a variables especiales como países,
regiones, departamentos, sucursales,...
Muestreo Aleatorio por Conglomerados.
En este tipo de muestreos la unidad muestral no son los elementos del universo, sino un
conjunto de elementos que bajo determinados aspectos se puede considerar que forman una
unidad. Por ejemplo las diferentes carreras en la universidad o las juntas receptoras de votos
en un proceso electoral forman conglomerados naturales.
Definidas las unidades muestrales, los conglomerados, se realiza la selección de la muestra.
La muestra serán un número determinado de conglomerados. Se entrevista a todos y cada
uno de los elementos del conglomerado si son pocos. Si el número de elementos de cada
conglomerado es muy grande se realiza un submuestreo en cada uno de los conglomerados,
pudiendo utilizar cualquiera de los métodos de muestreo anteriormente mencionados.
Las diferencias entre los conglomerados y los estratos es:
Los elementos de los estratos son homogéneos (similares) entre si, mientras que los
elementos de los conglomerados son heterogéneos (diferentes) entre si.
Los estratos son heterogéneos (diferentes) entre si, mientras que los conglomerados
son homogéneos (similares) entre si.
Muestreo Polietápico.
El muestreo polietápico consiste en realizar la selección de la muestra en varias etapas, es
decir aplicar la selección de la muestra en varias ocasiones. Se pueden utilizar diferentes
métodos de muestreos o el mismo.
Un ejemplo es el muestreo aleatorio por conglomerados y cada conglomerado tiene un
número muy grande de elementos como para entrevistarlos a todos.
Otro ejemplo, en este caso de tres etapas:
Primero: muestreo aleatorio por conglomerados en todo el universo
Segundo: muestreo aleatorio por conglomerado en cada conglomerados
Es decir, dividimos cada conglomerado en otros conglomerados más
pequeños.
Tercero: muestreo aleatorio sistemático en cada uno de los conglomerados.
Lic. Ricardo López
Pág. 3 de 5I NTERPRETACIÓN DE D ATOS E STADÍSTICOS
Muestreos NO probabilísticos.
Muestreo por cuotas.
Se basa en un buen conocimiento de los estratos de la población y/o de los elementos
más “representativos” o “adecuados” para los fines de la investigación. Mantiene
semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de
aleatoriedad del método probabilístico.
Muestreo opinático.
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras “representativas” mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su uso en sondeo preelectorales de
zonas que en anteriores votaciones han marcado tendencias de voto, es
decir, el resultado de las elecciones en esa zona fue el mismo que el
resultado global.
Muestreo causal.
Se trata de un proceso en el que el investigador o investigadora selecciona
directa o intencionalmente los elementos del universo que formaran parte de
la muestra. El caso más frecuente de este procedimiento es el utilizar como
muestra los elementos a los que se tiene fácil acceso, un caso particular es
el de las y los voluntarios a participar en una investigación.
Ejemplos cercanos:
Cuando un profesor o profesora pregunta a un par de estudiantes, los que tiene más
cerca por ejemplo.
Cuando un programa de televisión o radio realiza un sondeo mediante las llamadas
telefónicas al programa.
Cuando un programa de televisión saca un equipo a la calle y le pregunta a unas
cuantas personas.
Muestreo por bola de nieve.
Se localiza a algunos elementos del universo, los cuales conducen a otros, y estos a
otros, y así hasta conseguir una muestra suficiente, llegando incluso a completar el
censo del universo.
Aunque pueda parecer que no tiene utilidad, se utiliza frecuentemente cuando con
conocemos la población, por ejemplo con poblaciones como delincuentes, sectas,
determinados tipos de enfermedades,...
Afijación de la muestra.
La distribución de la muestra en función de los diferentes estratos se
denomina afijación, y puede ser de diferentes tipos.
Afijación Simple.
Lic. Ricardo López
A cada estrato le corresponde
elementos de la muestra.
igual
número
de
Pág. 4 de 5I NTERPRETACIÓN DE D ATOS E STADÍSTICOS
Afijación Proporcional. La distribución se hace de acuerdo con el peso de
la población en cada estrato, la cantidad de
elementos del universo que tiene cada estrato.
Afijación Óptima. Se tiene en cuenta la previsible dispersión de los
resultados, de modo que se considera la proporción y la
desviación típica. Tiene poca aplicación ya que no se
suele conocer la desviación estándar previamente en
cada estrato. Aunque cuando se puede utilizar reduce
costos y mejora la precisión de los resultados.
Nivel de desagregación.
En ocasiones, además de obtener resultados, estimaciones, para todo el universo
pretendemos obtener estimaciones para diferentes subgrupos en los que se puede
subdividir el universo objeto del estudio.
Ejemplo:
Al realizar un estudio sobre el nivel de satisfacción de las y los clientes de una
empresa, podemos pretender determinar el nivel de satisfacción de cada uno de
los departamentos, por ejemplo a nivel general y también la satisfacción con
vendedores, con caja, con servicio técnico,...
Para resolver estas situaciones se suele recurrir a dos técnicas:
1. Aumentamos el tamaño de la muestra total hasta conseguir que el número de
elementos de la población de cada subgrupo sea suficiente.
2. Realizar una afijación no proporcional, tratando cada subgrupo como si fuera una
división diferente.
Ejemplo:
Realizar un estudio a nivel nacional pero en el que pretendemos dar
resultados de cada una de las regiones del país, requiere que cada región se
trabaje como un universo diferente.
Como la precisión del estimador, de la variable que queremos estimar, está
íntimamente relacionada con el tamaño de la muestra y no con la fracción del
muestreo, esto hace que en ciertos casos pueda necesitarse una muestra
prácticamente del mismo tamaño para obtener datos de una región o departamento
y la totalidad del país.
Hemos de tener en cuenta estas técnicas en el ejemplo del estudio del nivel de
satisfacción en el caso que las y los clientes no reciban los servicios de todas y cada
una de las áreas que queremos analizar. Por ejemplo si el servicio técnico atiende a
una minoría de las y los clientes, será necesario realizar una afijación no proporcional
entre las y los clientes de esta área o incrementar la muestra hasta que tengamos
suficientes clientes de esta área.
Cada elemento del universo tiene una probabilidad conocida y no nula de figurar en la
muestra, es decir, todos los elementos del universo pueden formar parte de la muestra.
Los métodos de muestreo probabilístico son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los elementos del universo tienen la
misma probabilidad de ser elegidos para formar parte de la muestra.
Tipos de métodos de muestreo probabilístico:
Muestreo aleatorio simple.
Muestreo aleatorio sistemático
Muestreo aleatorio estratificado
Muestreo aleatorio por conglomerados
Muestreo NO probabilístico.
No todos los elementos de la muestra NO tienen la misma probabilidad, y por tanto no se
tiene la certeza que la muestra extraída sea representativa. En general se seleccionan los
elementos siguiendo determinados criterios procurando que la muestra sea representativa al
máximo.
Teniendo claro que no sirven para realizar generalizaciones, en ocasiones son útiles para
estudios exploratorios o cuando los estudios probabilísticos resultan excesivamente
costosos.
Tipos de muestreo NO probabilístico:
Muestreo por cuotas
Muestreo opinático o intencional
Muestreo causal o accidental
Muestreo por bola de nieve.
Muestreos probabilísticos.
Muestreo Aleatorio Simple.
La selección de la muestra se realiza en una sola etapa, directamente y sin
reemplazamientos.
Se aplica fundamentalmente en investigaciones sobre poblaciones pequeñas y plenamente
identificables, por ejemplo cuando disponemos de la lista completa de todos los elementos
del universo.
Para explicarlo en un lenguaje sencillo, consiste en rifar – sortear entre todos los elementos
del universo los que pertenecerán a la muestra.
Muestreo Aleatorio Sistemático.
Es una variante del Aleatorio Simple, se diferencia en la forma de seleccionar los elementos
de la muestra.
Una vez determinado el tamaño de la muestra se calcula el coeficiente de elevación, que es
el cociente, la división, entre el tamaño del universo y el tamaño de la muestra.
Lic. Ricardo López
Pág. 1 de 5I NTERPRETACIÓN DE D ATOS E STADÍSTICOS
K
N
n
Donde N es el tamaño del universo y n el tamaño de la muestra.
Se elige un número al azar que sea como máximo el coeficiente de elevación, es decir un
número entre 1 y K. A este número lo llamaremos “a”.
En el listado de todos los elementos del universo se selecciona el elemento “a”, el elemento
“a + K”, el “a + 2K”, el “a + 3K”,... así hasta completar la muestra.
Obviamente para utilizar este método necesitamos disponer de la lista de todos los
elementos del universo y por supuesto debe ser un universo no muy grande.
Este proceso permite simplificar considerablemente el proceso de selección, pero existe el
riesgo de introducir sesgos en la muestra al elegir los elementos de forma periódica.
Estos riesgos se producen cuando el listado del universo está ordenado en función de
determinados criterios que pueden inducir a que la selección sistemática recaiga en
elementos que no sean representativos del universo.
Ejemplo:
Vamos a realizar un estudio sobre el nivel de satisfacción de las y los
clientes de una empresa.
Si el personal de la empresa, por ejemplo de una tienda, atiende en
orden a las y los clientes, es decir, que el personal se turna para
atender a cada cliente, nos puede provocar conflictos si utilizamos el
muestreo aleatorio sistemático.
Imaginen que el coeficiente de elevación es siete, y en la tienda hay
siete vendedores y vendedoras, la muestra correspondería solamente a
los y las clientes atendidos por el vendedor número siete. Esto
produciría que el estudio sería sobre la calidad de atención de un
determinado vendedor o vendedora y no sobre la totalidad.
Para utilizar este tipo de muestreo y evitar estos riesgos se puede “desordenar” el listado de
los elementos del universo antes de realizar la selección.
Muestreo Aleatorio Estratificado.
Se basa en dividir los elementos del universo en grupos, donde cada elemento del universo
pertenece a un solo grupo, y el conjunto de los grupos forman la totalidad del universo. A
cada grupo lo llamamos estrato.
Ventajas:
permite tratar de forma independiente los elementos de cada uno de los estratos.
puede realizar diferentes métodos de muestreo y/o estimación en determinados
estratos, lo que permite reducir la varianza (desviación estándar) y por tanto disminuir
el tamaño de la muestra.
permite aumentar la precisión de los resultados.
facilita la coordinación y realización de los trabajos de campo.
Objetivo: conseguir en cada estrato elementos homogéneos entre si y heterogéneos en
relación con los elementos de los otros estratos.
Homogéneos entre si, que todos los elementos de un estrato tienen características y
comportamientos similares en relación a la variable que estudiamos.
Heterogéneos con los otros, que tienen características y comportamientos
diferentes en relación a la variable que estudiamos.
Lic. Ricardo López
Pág. 2 de 5I NTERPRETACIÓN DE D ATOS E STADÍSTICOS
Proceso de estratificación:
1. Definir las características (variables) que utilizaremos para definir los estratos.
Las características han de estar relacionadas con la variable a estudiar.
2. Determinar el número de estratos.
El número de estratos no puede ser muy grande porque estratos con pocos elementos
dificultan y encarecen el proceso, pero tampoco puede ser muy pequeño porque nos aportaría
muy pocas ventajas.
3. Determinar el tamaño de la muestra.
4. Seleccionar la muestra en cada estrato.
Se puede utilizar el muestreo aleatorio simple o el sistemático en cada estrato.
Resulta difícil estratificar variables muy correlacionadas, es decir, cuando no existen
diferencias entre las características y comportamiento de los elementos.
En general y como criterio más viable se suele recurrir a variables especiales como países,
regiones, departamentos, sucursales,...
Muestreo Aleatorio por Conglomerados.
En este tipo de muestreos la unidad muestral no son los elementos del universo, sino un
conjunto de elementos que bajo determinados aspectos se puede considerar que forman una
unidad. Por ejemplo las diferentes carreras en la universidad o las juntas receptoras de votos
en un proceso electoral forman conglomerados naturales.
Definidas las unidades muestrales, los conglomerados, se realiza la selección de la muestra.
La muestra serán un número determinado de conglomerados. Se entrevista a todos y cada
uno de los elementos del conglomerado si son pocos. Si el número de elementos de cada
conglomerado es muy grande se realiza un submuestreo en cada uno de los conglomerados,
pudiendo utilizar cualquiera de los métodos de muestreo anteriormente mencionados.
Las diferencias entre los conglomerados y los estratos es:
Los elementos de los estratos son homogéneos (similares) entre si, mientras que los
elementos de los conglomerados son heterogéneos (diferentes) entre si.
Los estratos son heterogéneos (diferentes) entre si, mientras que los conglomerados
son homogéneos (similares) entre si.
Muestreo Polietápico.
El muestreo polietápico consiste en realizar la selección de la muestra en varias etapas, es
decir aplicar la selección de la muestra en varias ocasiones. Se pueden utilizar diferentes
métodos de muestreos o el mismo.
Un ejemplo es el muestreo aleatorio por conglomerados y cada conglomerado tiene un
número muy grande de elementos como para entrevistarlos a todos.
Otro ejemplo, en este caso de tres etapas:
Primero: muestreo aleatorio por conglomerados en todo el universo
Segundo: muestreo aleatorio por conglomerado en cada conglomerados
Es decir, dividimos cada conglomerado en otros conglomerados más
pequeños.
Tercero: muestreo aleatorio sistemático en cada uno de los conglomerados.
Lic. Ricardo López
Pág. 3 de 5I NTERPRETACIÓN DE D ATOS E STADÍSTICOS
Muestreos NO probabilísticos.
Muestreo por cuotas.
Se basa en un buen conocimiento de los estratos de la población y/o de los elementos
más “representativos” o “adecuados” para los fines de la investigación. Mantiene
semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de
aleatoriedad del método probabilístico.
Muestreo opinático.
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras “representativas” mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su uso en sondeo preelectorales de
zonas que en anteriores votaciones han marcado tendencias de voto, es
decir, el resultado de las elecciones en esa zona fue el mismo que el
resultado global.
Muestreo causal.
Se trata de un proceso en el que el investigador o investigadora selecciona
directa o intencionalmente los elementos del universo que formaran parte de
la muestra. El caso más frecuente de este procedimiento es el utilizar como
muestra los elementos a los que se tiene fácil acceso, un caso particular es
el de las y los voluntarios a participar en una investigación.
Ejemplos cercanos:
Cuando un profesor o profesora pregunta a un par de estudiantes, los que tiene más
cerca por ejemplo.
Cuando un programa de televisión o radio realiza un sondeo mediante las llamadas
telefónicas al programa.
Cuando un programa de televisión saca un equipo a la calle y le pregunta a unas
cuantas personas.
Muestreo por bola de nieve.
Se localiza a algunos elementos del universo, los cuales conducen a otros, y estos a
otros, y así hasta conseguir una muestra suficiente, llegando incluso a completar el
censo del universo.
Aunque pueda parecer que no tiene utilidad, se utiliza frecuentemente cuando con
conocemos la población, por ejemplo con poblaciones como delincuentes, sectas,
determinados tipos de enfermedades,...
Afijación de la muestra.
La distribución de la muestra en función de los diferentes estratos se
denomina afijación, y puede ser de diferentes tipos.
Afijación Simple.
Lic. Ricardo López
A cada estrato le corresponde
elementos de la muestra.
igual
número
de
Pág. 4 de 5I NTERPRETACIÓN DE D ATOS E STADÍSTICOS
Afijación Proporcional. La distribución se hace de acuerdo con el peso de
la población en cada estrato, la cantidad de
elementos del universo que tiene cada estrato.
Afijación Óptima. Se tiene en cuenta la previsible dispersión de los
resultados, de modo que se considera la proporción y la
desviación típica. Tiene poca aplicación ya que no se
suele conocer la desviación estándar previamente en
cada estrato. Aunque cuando se puede utilizar reduce
costos y mejora la precisión de los resultados.
Nivel de desagregación.
En ocasiones, además de obtener resultados, estimaciones, para todo el universo
pretendemos obtener estimaciones para diferentes subgrupos en los que se puede
subdividir el universo objeto del estudio.
Ejemplo:
Al realizar un estudio sobre el nivel de satisfacción de las y los clientes de una
empresa, podemos pretender determinar el nivel de satisfacción de cada uno de
los departamentos, por ejemplo a nivel general y también la satisfacción con
vendedores, con caja, con servicio técnico,...
Para resolver estas situaciones se suele recurrir a dos técnicas:
1. Aumentamos el tamaño de la muestra total hasta conseguir que el número de
elementos de la población de cada subgrupo sea suficiente.
2. Realizar una afijación no proporcional, tratando cada subgrupo como si fuera una
división diferente.
Ejemplo:
Realizar un estudio a nivel nacional pero en el que pretendemos dar
resultados de cada una de las regiones del país, requiere que cada región se
trabaje como un universo diferente.
Como la precisión del estimador, de la variable que queremos estimar, está
íntimamente relacionada con el tamaño de la muestra y no con la fracción del
muestreo, esto hace que en ciertos casos pueda necesitarse una muestra
prácticamente del mismo tamaño para obtener datos de una región o departamento
y la totalidad del país.
Hemos de tener en cuenta estas técnicas en el ejemplo del estudio del nivel de
satisfacción en el caso que las y los clientes no reciban los servicios de todas y cada
una de las áreas que queremos analizar. Por ejemplo si el servicio técnico atiende a
una minoría de las y los clientes, será necesario realizar una afijación no proporcional
entre las y los clientes de esta área o incrementar la muestra hasta que tengamos
suficientes clientes de esta área.
POR:LUCYMUNDA REYES
Suscribirse a:
Entradas (Atom)
-
ESCALAS PARA MEDIR ACTITUDES. Definición: Según Sherif "son las posiciones que la persona adopta y acepta en cuanto a objetos, as...
-
MÉTODO. Concepto de Método: Partiendo de su composición etimológica, el término método se integra con dos vocablos de origen griego, la p...
-
Definición: Es el entendimiento, inteligencia, razón natural. Aprehensión intelectual de la realidad o de una relación entre los ...
