El muestreo estratificado es una técnica de muestreo de probabilidad en la que el investigador divide toda la población en diferentes subgrupos o estratos, luego selecciona aleatoriamente los sujetos finales proporcionalmente de los diferentes estratos.
Es importante tener en cuenta que los estratos no deben superarse. Tener subgrupos superpuestos otorgará a algunas personas mayores posibilidades de ser seleccionados como sujeto. Esto niega completamente el concepto de muestreo estratificado como un tipo de muestreo de probabilidad.
Igualmente importante es el hecho de que el investigador debe usar un muestreo de probabilidad simple dentro de los diferentes estratos.
Los estratos más comunes utilizados en el muestreo aleatorio estratificado son la edad, el género, el estado socioeconómico, la religión, la nacionalidad y el logro educativo.
- El muestreo aleatorio estratificado se usa cuando el investigador quiere resaltar un subgrupo específico dentro de la población. Esta técnica es útil en tales investigaciones porque garantiza la presencia del subgrupo clave dentro de la muestra.
- Los investigadores también emplean un muestreo aleatorio estratificado cuando desean observar las relaciones existentes entre dos o más subgrupos. Con una técnica de muestreo aleatorio simple, el investigador no está seguro de si los subgrupos que quiere observar se representan de manera igual o proporcionalmente dentro de la muestra.
- Con el muestreo estratificado, el investigador puede probar representativamente incluso los subgrupos más pequeños e inaccesibles de la población. Esto permite al investigador probar los extremos raros de la población dada.
¿Cuál es el proceso del muestreo estratificado?
El muestreo estratificado es una técnica probabilística que se utiliza cuando el investigador, por medio de cierta información, divide una población en subgrupos o capas y, por lo tanto, realiza una selección interna de las diferentes capas en proporcionalmente.
Este proceso básicamente consiste en la clasificación de las diversas categorías de interés de una población determinada principalmente con características sociodemográficas como la edad, el tamaño del hábitat, el sexo, la clase social o la región geográfica, de la misma manera que puede ser cualquier otro interés de el investigador.
Estas características conducen a la construcción de capas de la población, que dan resultados seguros para que se reflejen en las muestras finales. Estas capas deben satisfacer una serie de condiciones que garanticen una homogeneidad interna de la población relacionada con las variables de segmentación y, a su vez, las capas son heterogéneas entre sí.
En general, estas variables le permiten dividir fácilmente la muestra en varios grupos que excluyen entre sí y frecuentes, lo que le permite diferenciar el comportamiento interno de una población determinada.
En este caso, hablamos de fijación uniforme al tener la misma dimensión de muestra a todas las capas definidas, sin tener en cuenta el peso de estas capas en la población.
Esta es una técnica que puede llegar a las capas de menor peso que se encuentran en una población, ya que se dará importancia a las capas que son más relevantes.
¿Cómo se utiliza el muestreo aleatorio estratificado?
Hay muchas situaciones en las que los investigadores elegirían un muestreo aleatorio estratificado en lugar de otros tipos de muestreo. Primero, se usa cuando el investigador quiere examinar subgrupos dentro de una población. Los investigadores también usan esta técnica cuando quieren observar las relaciones entre dos o más subgrupos, o cuando quieren examinar los extremos raros de una población. Con este tipo de muestreo, se asegura al investigador que los sujetos de cada subgrupo se incluyen en la muestra final, mientras que el muestreo aleatorio simple no garantiza que los subgrupos estén representados igualmente o proporcionales al seno de la muestra.
En el muestreo aleatorio de laminado proporcional, el tamaño de cada estrato es proporcional al tamaño de la población de estratos cuando se examina en toda la población. Esto significa que cada estrato tiene la misma fracción de muestreo.
Por ejemplo, suponga que tiene cuatro estratos con tamaños de población de 200, 400, 600 y 800. Si elige una fracción de muestreo ½, esto significa que debe probar aleatoriamente 100, 200, 300 y 400 sujetos de cada estrato respectivamente. Se usa la misma fracción de muestreo para cada estrato, cualesquiera que sean las diferencias de tamaño de la población en los estratos.
En el muestreo aleatorio de laminado desproporcionado, los diferentes estratos no tienen las mismas fracciones de muestreo que entre sí. Por ejemplo, si sus cuatro estratos contienen 200, 400, 600 y 800 personas, puede optar por tener diferentes fracciones de muestreo para cada estrato. Quizás el primer estrato con 200 personas tiene una fracción de muestreo ½, que brinda a 100 personas seleccionadas para la muestra, mientras que el último estrato con 800 personas tiene una fracción de muestreo de ¼, lo que da a 200 personas seleccionadas para la muestra.
La precisión del uso de muestreo aleatorio laminado desproporcionado depende en gran medida de las fracciones de muestreo elegidas y utilizadas por el investigador. Aquí, el investigador debe tener mucho cuidado y saber exactamente lo que hace. Los errores cometidos en la elección y el uso de fracciones de muestreo podrían causar un estrato sólido o subrepresentado, lo que resulta en resultados distorsionados.
¿Cómo se realiza el muestreo sistemático?
Los principales subtipos de muestreo sistemático son los siguientes (De Carlo N. – Robust E., 1996):
* Muestreo circular sistemático: rara vez ocurre que, determinó el paso, dado el número de muestra, puede desplazarse por toda la lista de la población para terminar la muestra. Por ejemplo, tener que muestrear a 7 personas, en una población de 763, colocó una muestra K = 100, comenzando desde la primera unidad, está claro que las últimas 63 unidades correrían el riesgo de nunca ser extraído. Para remediar este problema, puede elegir un elemento de cualquiera de la población como punto de partida para la progresión, luego continuar leyendo, una vez que llegan al final de la lista, comenzando desde el primer elemento, como si la población fuera circular (Singh D. – Chaudhary F., 1986)
* Muestreo centrado sistemático: el requisito previo para la aplicación de este método es la estratificación de la población. La elección de la posición inicial de la progresión no tiene lugar al azar, sino que comienza desde el centro de la capa. «Puedes esperar a que un campeón centrado sea más preciso que uno al azar» (Diana G. – Salvan A., 1989)
* Muestreo sistemático de dos dimensiones: imagine una población enumerada en forma tabular en lugar de una lista14, para extraer sistemáticamente una muestra en esta situación, puede proceder de dos maneras: con una muestra definida alineada o con una muestra definida no alineada. En el primer caso, la selección se lleva a cabo extrayendo aleatoriamente las líneas y la columna de las unidades que se seleccionarán. Por ejemplo, Riga 1 y 2 columnas 5 y 7, conducen al extracto de las unidades (1.5), (1,7), (2.5), (2,7). En cuanto al segundo caso, por otro lado, para la brevedad de la discusión, consulte Singh. D. – Chaudhary F. (1986).
¿Qué es muestreo aleatorio estratificado ejemplo?
En el caso de una muestra en capas, la población se divide inicialmente en subcantidades o capas sin superposición. Luego, se extraen muestras aleatorias de todas las capas.
La República Federal de Alemania se divide en los estados federales individuales (las «capas»). Posteriormente, se dibuja una muestra aleatoria de estudiantes para un estudio de política educativa en cada estado federal («en cada turno») y la selección resultante es la muestra en capas.
La estratificación asegura que cada estado federal ocurra en la muestra. Si simplemente seleccionó a 100 alumnos, por ejemplo, algunos estados federales (especialmente más pequeños) no se incluirían en el análisis.
Una división de la población en grupos de edad o todas las empresas en tamaños corporativos (por ejemplo, después de las ventas) sería una estratificación.
Qué capas se forman depende de la pregunta: si se supone que una cierta expresión característica (por ejemplo, fumador / no fumador) depende del género, se dividirá si es necesario; En el caso de un análisis estadístico de la característica del «consumo de Internet», uno podría superponerse a la edad, etc.
Por lo tanto, se usa una muestra en capas (aleatoria) para una muestra aleatoria pura si sospecha una conexión fuerte entre una forma característica (género, edad, etc.) y la variable de interés.
Artículos Relacionados:
- El muestreo probabilistico estratificado es una tecnica de muestreo utilizada para mejorar la precision de las estimaciones.
- Los 4 tipos de muestreo probabilístico que todo estudiante debería conocer
- Ejemplos de muestreo probabilístico: cómo seleccionar muestras aleatorias y cómo usarlas para estimar parámetros
- Los diferentes tipos de muestreo probabilístico y sus ventajas
