Tenemos muchas preguntas por aquí sobre muestras aleatorias y cómo crearlas (lo que nos dice una o dos cosas sobre nuestros clientes y cómo son las encuestas inteligentes). Tenemos un truco rápido y fácil para que genere una muestra aleatoria directamente en Excel, pero primero proporcionemos un poco de fondo sobre el muestreo aleatorio y por qué debe usarla cuando encueste.
¿Qué es una muestra aleatoria, puede estar preguntando, y por qué necesitarías una? Bueno, digamos, por ejemplo, que desea examinar a sus clientes para comprender cómo satisface sus necesidades y cómo podría hacerlo mejor. Toda su base de clientes es una población. Obviamente, no vas a examinar a todas las personas en esta población. Tal vez no tenga toda su información de contacto. Tal vez no todos respondan a su encuesta. Cualquiera sea la razón, el grupo de clientes con los que tiene la capacidad de contactar con su encuesta es su marco de muestreo. Y las personas con las que realmente contacta con su encuesta y que la completan son su muestra. Debe asegurarse de que su muestra se seleccione al azar (por lo tanto, una muestra aleatoria) para asegurarse de que todos en su marco de muestreo tengan la misma oportunidad de ser seleccionados.
No desea seleccionar una «muestra de conveniencia», las últimas 20 personas que le ordenaron, los últimos 20 clientes cuando se enumeran alfabéticamente, etc. Todos estos métodos están inherentemente sesgados. Si prueba a los últimos 20 clientes, por ejemplo, pueden ser sus clientes más nuevos que solo están familiarizados con sus productos más recientes o diseño de sitios web. Al generar una muestra aleatoria, está minimizando el sesgo que resulta de elegir una muestra de conveniencia de su marco de muestreo.
¿Cómo hacer un muestreo aleatorio en Excel?
- Randbetween (1, filas ($ B $ 3: $ B $ 17)) → Devuelve un número aleatorio entre 1 y el número de filas.
- Índice ($ b $ 3: $ b $ 12, rango (d3, $ d $ 3: $ d $ 12), 1) → El número devuelto por Randbetween se alimenta al argumento Row_Num de la función de índice, por lo que elige el valor de esa fila . En el argumento column_num, suministramos 1 porque queremos extraer un valor de la primera columna.
- Rango (D3, $ D $ 3: $ D $ 12) → Devuelve el rango de un número aleatorio en la misma fila. Por ejemplo, el rango (D3, $ D $ 3: $ D $ 12) en Cell E3 obtiene el rango del número en D3. Cuando se copia a D4, la referencia relativa D3 cambia a D4 y devuelve el rango del número en D4, y así sucesivamente.
- Índice ($ b $ 3: $ b $ 12, rango (d3, $ d $ 3: $ d $ 12), 1) → El número devuelto por rango se alimenta al argumento Row_num de la función de índice, por lo que elige el valor de esa fila . En el argumento column_num, suministramos 1 porque queremos extraer un valor de la primera columna.
➤ Podemos arrastrar hacia abajo en la fórmula con la herramienta de mango de relleno.
Finalmente, podemos ver 5 nombres aleatorios en la columna de nombre aleatorio sin duplicados.
Aquí, tratamos de mostrarle algunos métodos fáciles y efectivos que lo ayudarán a seleccionar una muestra aleatoria en Excel. Esperamos que encuentre útil este artículo. Si tiene alguna consulta o sugerencia, no dude en conocernos en la sección de comentarios.
Hola, soy Afia Aziz Kona. Me gradué en arquitectura naval e ingeniería marina de la Universidad de Ingeniería y Tecnología de Bangladesh (BUET). Tengo un inmenso interés en la escritura técnica y el desarrollo de contenido, por lo tanto, estoy trabajando como desarrollador de contenido en Exceldemy. En mi tiempo libre, viajo, veo películas y cocino diferentes platos.
¿Cómo se hace una muestra aleatoria en Excel?
Ahora describimos varios enfoques para generar una muestra aleatoria en Excel.
Excel proporciona una herramienta de análisis de datos de muestreo que se puede usar para crear muestras. La herramienta funciona definiendo la población como un rango en una hoja de trabajo de Excel y luego utilizando los siguientes parámetros de entrada para determinar cómo llevar a cabo el muestreo.
Rango de entrada: especifique el rango de datos que contiene los valores de población que desea probar.
Método de muestreo: seleccione uno de los siguientes dos intervalos de muestreo:
- Periódico: en este caso, debe especificar el período N en el que desea que se realice el muestreo. El enésimo valor en el rango de entrada y cada enésimo valor a partir de entonces se copia a la columna de salida. El muestreo se detiene cuando se alcanza el final del rango de entrada.
- Aleatorio: en este caso, debe especificar el número aleatorio de muestras. Este número de valores se extrae de posiciones aleatorias en el rango de entrada. Se puede seleccionar un valor más de una vez. (es decir, el muestreo es con reemplazo).
La salida es un rango de columna que contiene una muestra extraída de los datos en el rango de entrada como se describe en el método de muestreo.
Ejemplo 1: de una población de 10 mujeres y 10 hombres como se muestra en el rango A5: B15 de la Figura 1, cree una muestra aleatoria de 6 personas para el Grupo 1 y una muestra periódica que consiste en cada tercera mujer para el Grupo 2.
Debe ejecutar la herramienta de análisis de datos de muestreo dos veces, una vez para crear el Grupo 1 y otra vez para crear el Grupo 2. Para el Grupo 1, selecciona las 20 celdas de población como el rango de entrada y el aleatorio como el método de muestreo con 6 como el número aleatorio de muestras . Esto se realiza seleccionando datos> Análisis | Análisis de datos, eligiendo la herramienta de análisis de datos de muestreo y luego completando el cuadro de diálogo que aparece como se muestra en la Figura 2.
¿Cómo se hace el muestreo aleatorio simple?
Cuando formamos una muestra estadística, siempre debemos prestar atención a lo que estamos haciendo. Hay muchos tipos diferentes de técnicas de muestreo que se pueden usar. Algunos de estos son más apropiados que otros.
A menudo, lo que creemos que sería un tipo de campeón resulta ser otro tipo. Esto se puede ver comparando dos tipos de muestras aleatorias. Una muestra aleatoria simple y una muestra aleatoria sistemática son dos tipos diferentes de técnicas de muestreo. Sin embargo, la diferencia entre este tipo de muestras es delgada y fácil de descuidar. Compararemos muestras aleatorias sistemáticas con muestras aleatorias simples.
Para empezar, examinaremos las definiciones de los dos tipos de muestras que nos interesan. Ambos tipos de muestras son aleatorios y suponen que todos los miembros de la población tienen la misma probabilidad de ser miembros de la muestra. Pero, como veremos, no todos los campeones aleatorios son los mismos.
La diferencia entre este tipo de muestras tiene que ver con la otra parte de la definición de una muestra aleatoria simple. Para ser una simple muestra informal de tamaño N, cada grupo de tamaño N debe ser igualmente probable.
Una muestra aleatoria sistemática se basa en una especie de sistema para elegir miembros de muestra. Si bien el primer individuo se puede elegir con un método aleatorio, los miembros posteriores se eligen a través de un proceso predeterminado. El sistema que usamos no se considera aleatorio, por lo tanto, algunas muestras que se entrenarían como una muestra aleatoria simple no se pueden formar como una muestra aleatoria sistemática.
¿Qué es la muestra aleatoria simple?
Una muestra aleatoria simple es un subconjunto de una población estadística en la que cada miembro del subconjunto tiene la misma probabilidad de ser elegido…. Un ejemplo de una muestra aleatoria simple sería los nombres de 25 empleados elegidos por un sombrero por una empresa de 250 empleados.
Hay 4 pasos clave para seleccionar una muestra aleatoria simple.
- Paso 1: Defina a la población. Comience por decidir la población que desea estudiar….
- Paso 2: decida el tamaño de la muestra. Posteriormente, debe decidir qué tan grande será el tamaño de su muestra….
- Paso 3: seleccione su muestra al azar….
- Paso 4: recopile los datos de su muestra.
Una muestra aleatoria simple es similar a una muestra aleatoria. La diferencia entre los dos es que con una muestra aleatoria simple, cada objeto en la población tiene las mismas posibilidades de ser elegido. Con un muestreo aleatorio, cada objeto no necesariamente tiene la misma posibilidad de ser elegido.
Otras ventajas de esta metodología incluyen la eliminación del fenómeno de la selección agrupada y una baja probabilidad de contaminación de datos. Las desventajas incluyen la sobrepresión o subrepresentación de modelos particulares y un mayor riesgo de manipulación de datos.
La principal ventaja del uso de muestreo sistemático con respecto al muestreo aleatorio simple es su simplicidad. Permite al investigador agregar un sistema de sistema o proceso en la selección aleatoria de los sujetos.
¿Qué es una muestra aleatoria simple?
Las muestras aleatorias simples (SRSS) constituyen el estándar de referencia contra el cual se juzgan todas las demás muestras. El procedimiento para seleccionar una muestra aleatoria requiere dos pasos. Primero, haga una lista de todos los miembros de la población. En segundo lugar, seleccione aleatoriamente un número específico de casos de la lista total. La selección aleatoria puede depender de tablas de números pseudo-aleatorios o los algoritmos que generan distribuciones de números pseudo-aleatorios uniformes en software de análisis estadístico como Systat. Se puede probar con o sin reemplazar casos seleccionados para la muestra de regreso a la población. El muestreo sin reemplazo produce probabilidades desiguales de la selección de casos, pero estas son intrascendentes, excepto con poblaciones muy pequeñas. Más importante, incluso los SRS sobreestiman el verdadero error estándar del factor, N/N – N. La aplicación del multiplicador de población finita, (N – N)/N, producirá errores estándar correctos. La importancia de esta corrección aumenta a medida que aumenta la relación entre el tamaño de la muestra (N) hasta el tamaño de la población (N).
Una muestra aleatoria simple (SRS) es la forma más simple de muestra de probabilidad. Como se indicó anteriormente, el objetivo del estudio puede ser estimar una cantidad con una precisión deseada (definida como la varianza o la desviación de la media de la población) o probar una hipótesis sobre la media. Cada una de las situaciones se puede examinar formalmente bajo el esquema SRS de la siguiente manera. Suponga que hay una población de tamaño finito N de la que se desea dibujar una muestra de tamaño n. En el primer escenario, el objetivo es estimar la media de una cantidad con una varianza deseada V2. Se puede determinar un valor apropiado de N examinando el valor teórico de la varianza de la media de muestra con la varianza deseada. A partir de la teoría de muestreo, se sabe que la media de la muestra ȳ, bajo muestreo aleatorio simple sin reemplazo tiene una varianza [(1 – N/ N)/ N] S2, donde S2 es la varianza del elemento en la población. Equando la varianza deseada V2 al valor teórico, el tamaño de muestra deseado se puede obtener como n = n ‘/(1 + n’/n), donde n ′ = s2/v2. Si se puede ignorar la corrección de la población finita, el tamaño de la muestra será exactamente la relación de la varianza del elemento con la varianza deseada. En otro escenario, la precisión se expresa de manera diferente en términos de margen de errores. El margen de especificación de error establece la cercanía de la media de la muestra para la media de la población. Deje que μ denote la media de la población; El objetivo es estimar μ con una media de muestra dentro de una desviación específica. La especificación se realiza como p (|, |, | ȳ – μ |, |, | ≤ ε) = 1 – α. En esta especificación, ε es el margen de error y α es el nivel de importancia. El uso de los resultados en los intervalos de confianza para las medias de muestra obtiene una ecuación que conecta el margen de error y el tamaño de la muestra de la siguiente manera:
donde Zα/2 representa el percentil TH (1 – α/2) de la distribución normal estándar. Escribiendo n ′ = Zα/22 (S2/ε2), se puede ver en la ecuación. (1) Que, en el caso de muestreo con reemplazo, el tamaño de muestreo requerido será N ‘. Cuando el muestreo se realiza sin reemplazo, la solución de la ecuación. (1) proporciona el tamaño de muestreo requerido como n = n ‘/(1 + n ′/n). En estos ejemplos, los cálculos de tamaño de muestra se especifican como una estimación de la media de la población con un error específico. En un tercer escenario, es posible especificar la estimación del tamaño de muestreo como una formulación de una prueba de muestra de una media para la cual la hipótesis nula es μ + μ0 y la hipótesis alternativa es μ + μ1. Con un nivel asumido de importancia de α y potencia 1 – β, el tamaño de muestra requerido se puede obtener bajo el supuesto de normalidad de la siguiente manera:
Las diversas formulaciones de cálculos de tamaño de muestra muestran la necesidad de tener algún conocimiento previo del tamaño del efecto (μ1 – μ0) y la variabilidad S2 para llevar a cabo los cálculos. Se han hecho varias sugerencias en la literatura sobre cómo hacer conjeturas razonables de estos valores. Estos incluyen la búsqueda de estudios anteriores que incluyen variables similares o la realización de estudios piloto. Los estudios piloto que son demasiado pequeños son menos confiables que las conjeturas expertas. Se puede hacer una suposición razonable con respecto a la variabilidad en términos del coeficiente de variación. Las fórmulas para los cálculos de tamaño de muestra se pueden expresar en términos de coeficientes de variación para obtener los tamaños de muestra requeridos. Cuando la cantidad a estimar es una proporción (P), se puede utilizar la varianza basada en un modelo binomial. El término P (1 -P) no es sensible a los cambios en el rango medio de P (0.2 – 0.8), y en general, se puede hacer una suposición razonable del valor de P.
Artículos Relacionados:
- ¿Cómo se realiza el muestreo aleatorio simple?
- Los 3 tipos de muestreo aleatorio simple más utilizados
- Metodo de muestreo aleatorio: la mejor manera de obtener datos precisos
- Ejemplos de muestreo aleatorio estratificado
- Imágenes de muestreo aleatorio simple: cómo seleccionar las mejores muestras para obtener resultados precisos
- ¡El procedimiento aleatorio de 2017 es aquí!
