Las muestras son partes de una población. Por ejemplo, puede tener una lista de información sobre 100 personas (su «muestra») de 10,000 personas (la «población»). Puede usar esa lista para hacer algunas suposiciones sobre el comportamiento de toda la población.
Sin embargo, no es tan simple. Cuando realiza estadísticas, el tamaño de su muestra debe ser ideal, no demasiado grande o demasiado pequeño. Luego, una vez que haya decidido un tamaño de muestra, debe usar una técnica de sonido para recolectar la muestra de la población:
- El muestreo de probabilidad utiliza aleatorización para seleccionar miembros de muestra. Usted conoce la probabilidad de la inclusión de cada miembro potencial en la muestra. Por ejemplo, 1/100. Sin embargo, no es necesario que las probabilidades sean iguales. Algunos miembros pueden tener una probabilidad de 1/100 de ser elegidos, otros pueden tener 1/50.
- El muestreo no probabilidad utiliza técnicas no aleatorias (es decir, el juicio del investigador). No puede calcular las probabilidades de ningún artículo, persona o cosa en particular que se incluya en su muestra.
- Las muestras de Bernoulli tienen ensayos independientes de Bernoulli en elementos de población. Las pruebas deciden si el elemento se convierte en parte de la muestra. Todos los elementos de la población tienen la misma posibilidad de ser incluidos en cada opción de una sola muestra. Los tamaños de muestra en muestras de Bernoulli siguen una distribución binomial. Muestras de Poisson (menos comunes): un ensayo de Bernoulli independiente decide si cada elemento de población llega a la muestra.
- Las muestras de clúster dividen la población en grupos (grupos). Luego se elige una muestra aleatoria de los grupos. Se usa cuando los investigadores no conocen a las personas en una población, pero conocen los subconjuntos o grupos de población.
- En el muestreo sistemático, selecciona elementos de muestra de un marco ordenado. Un marco de muestreo es solo una lista de participantes de los que desea obtener una muestra. Por ejemplo, en el método de igualdad de probabilidad, elija un elemento de una lista y luego elija cada elemento kth usando la ecuación k = n n. Pequeño «n» denota el tamaño de la muestra y el capital «n» es igual al tamaño de la población.
- SRS: seleccione elementos completamente al azar, de modo que cada elemento tenga la misma probabilidad de ser elegido como cualquier otro elemento. Cada subconjunto de elementos tiene la misma probabilidad de ser elegido como cualquier otro subconjunto de k elementos.
- En el muestreo estratificado, muestree cada subpoblación de forma independiente. Primero, divida a la población en subgrupos homogéneos (muy similares) antes de obtener la muestra. Cada miembro de la población solo pertenece a un grupo. Luego aplique un método aleatorio o sistemático simple dentro de cada grupo para elegir la muestra. Aleatización estratificada: un subtipo de estratificación utilizada en ensayos clínicos. Primero, divida a los pacientes en estratos, luego se aleatorice con la aleatorización de bloques permutados.
Raramente (si alguna vez) encontrará estas técnicas en una clase de estadísticas básicas. Sin embargo, los encontrarás en el «mundo real»:
- El muestreo de probabilidad utiliza aleatorización para seleccionar miembros de muestra. Usted conoce la probabilidad de la inclusión de cada miembro potencial en la muestra. Por ejemplo, 1/100. Sin embargo, no es necesario que las probabilidades sean iguales. Algunos miembros pueden tener una probabilidad de 1/100 de ser elegidos, otros pueden tener 1/50.
- El muestreo no probabilidad utiliza técnicas no aleatorias (es decir, el juicio del investigador). No puede calcular las probabilidades de ningún artículo, persona o cosa en particular que se incluya en su muestra.
- Las muestras de Bernoulli tienen ensayos independientes de Bernoulli en elementos de población. Las pruebas deciden si el elemento se convierte en parte de la muestra. Todos los elementos de la población tienen la misma posibilidad de ser incluidos en cada opción de una sola muestra. Los tamaños de muestra en muestras de Bernoulli siguen una distribución binomial. Muestras de Poisson (menos comunes): un ensayo de Bernoulli independiente decide si cada elemento de población llega a la muestra.
- Las muestras de clúster dividen la población en grupos (grupos). Luego se elige una muestra aleatoria de los grupos. Se usa cuando los investigadores no conocen a las personas en una población, pero conocen los subconjuntos o grupos de población.
- En el muestreo sistemático, selecciona elementos de muestra de un marco ordenado. Un marco de muestreo es solo una lista de participantes de los que desea obtener una muestra. Por ejemplo, en el método de igualdad de probabilidad, elija un elemento de una lista y luego elija cada elemento kth usando la ecuación k = n n. Pequeño «n» denota el tamaño de la muestra y el capital «n» es igual al tamaño de la población.
- SRS: seleccione elementos completamente al azar, de modo que cada elemento tenga la misma probabilidad de ser elegido como cualquier otro elemento. Cada subconjunto de elementos tiene la misma probabilidad de ser elegido como cualquier otro subconjunto de k elementos.
- En el muestreo estratificado, muestree cada subpoblación de forma independiente. Primero, divida a la población en subgrupos homogéneos (muy similares) antes de obtener la muestra. Cada miembro de la población solo pertenece a un grupo. Luego aplique un método aleatorio o sistemático simple dentro de cada grupo para elegir la muestra. Aleatización estratificada: un subtipo de estratificación utilizada en ensayos clínicos. Primero, divida a los pacientes en estratos, luego se aleatorice con la aleatorización de bloques permutados.
Probablemente no encontrarás esto en una clase de estadísticas básicas.
¿Qué es muestreo y ejemplos?
Una muestra es parte de la población. Una muestra debe ser representativa y tiene un número bien considerado de elementos (tamaño de muestra).
La muestra es un subconjunto de un producto a probar. El término proviene de la antigua forma de la prueba de entrada de bienes de café y trigo, que todavía se entregaron a los sacos en ese momento. El examinador se destaca en el saco con una medición especial de ensayo y elimina una cierta cantidad (la «muestra») del contenido de saco. Las muestras generalmente se llevan a cabo en la prueba de entrada, pero en principio son concebibles en cualquier momento del proceso de producción. El sistema requerido resulta de un sistema de muestra de una sola volcada. Este es un ejemplo de esto. Nivel de calidad aceptable (AQL).
La muestra es una cantidad parcial de una población (población) que se seleccionó desde un cierto punto de vista. Por lo general, la muestra está sujeta a exámenes o encuestas, cuyos resultados deberían testificar algo sobre la población que se tomó la muestra.
Se utiliza una encuesta de muestra (encuesta parcial) como alternativa a la encuesta completa si el examen de todos los individuos u objetos de una población no es práctico. Este es el caso con poblaciones muy extensas o si los elementos de muestra se hacen inutilizables por el examen, como suele ser el caso con la verificación de calidad. Cada muestra se caracteriza por dos características: su tamaño (tamaño de muestra, tamaño de muestra) y el proceso de selección utilizado (tipo de muestra). Si la muestra debe ser representativa de su población, el proceso de selección utilizado debe cumplir ciertas condiciones y tener un tamaño de muestra mínimo. La muestra aleatoria es particularmente importante aquí. [1]
¿Qué es el muestreo aleatorio por conglomerados y cómo se elabora?
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:
- 10 ejemplos de muestreo de conglomerados para entender mejor cómo funciona
- 3 tipos de muestreo conglomerado que pueden mejorar significativamente su análisis de datos
- Muestreo por conglomerados: la guía definitiva
- Características del muestreo por conglomerados
- Ejemplos de muestreo conglomerado yahoo: cómo seleccionar muestras para un estudio
