El muestreo para aleatorización simple (o muestreo aleatorio simple) se lleva a cabo extrayendo una cierta proporción de unidades de la población a través de un método que garantiza la aleatoriedad de los sorteos.
La aleatoriedad se obtiene extrayendo números a partir de una lista (llamada «Lista de muestreo») en la que están presentes todos los individuos de la población a estudiar. El método debe garantizar la aleatoriedad de la extracción. Teóricamente, en el caso de listas muy pequeñas, la extracción de «número» como en el juego del bingo podría estar bien. Sin embargo, obviamente, en realidad, se utilizan diferentes sistemas, como una computadora equipada con un software especial, o una calculadora de bolsillo suministrada con la función apropiada, o las «tablas que generan números aleatorios» llamados.
Ejemplo 1: Uso de una hoja de cálculo.
Tiene la tarea de estimar la presencia de anticuerpos hacia el virus de Pseudorabia en la scrofery de una reproducción de reproducción. En la reproducción hay 128 SOW, que se mantienen en cajas individuales numeradas de 1 a 128. Deseos seleccionar una muestra de tamaño igual a aproximadamente el 10% de la población. La población en el análisis es el 128 Sow. La lista de muestreo consiste en números de 1 a 128. La unidad de análisis es la siembra única.
Puede usar un programa especial para la generación de números aleatorios que quizás haya instalado en su PC, o uno de los muchos recursos disponibles en Internet, o una hoja de cálculo (ver ejemplo de ejemplo en el lado). En la hoja de cálculo, deberá usar la función = Random () que devuelve un número decimal aleatorio entre 0 y 1. Necesita números completos entre 1 y 128, por lo que deberá usar la fórmula = int (Random ()** 128+1). Como puede ver, los siguientes animales se extrajeron en el ejemplo en el lado: 9, 34, 44, 60, 63, 65, 74, 85, 97, 99, 106.111, 122.
¿Cómo se hace un muestreo aleatorio simple?
El muestreo aleatorio simple selecciona un grupo más pequeño (la muestra) de un grupo más grande del número total de participantes (la población). Es uno de los métodos de muestreo sistemáticos más simples utilizados para obtener una muestra aleatoria.
La técnica se basa en el uso de un método de selección que proporciona a cada participante la misma posibilidad de ser seleccionado, lo que le da a cada participante la misma probabilidad de ser seleccionado.
Dado que el proceso de selección se basa en la probabilidad y la selección aleatoria, es más probable que la muestra más pequeña sea representativa de la población total y libre de sesgos del investigador. Este método también se llama método de posibilidades.
- Defina el tamaño de la población con el que está trabajando. Esto podría basarse en la población de una ciudad. Para este ejercicio, asumiremos un tamaño de población de 1000.
- Asigne un número secuencial aleatorio a cada participante en la población, que actúa como un número de identificación, p. 1, 2, 3, 4, 5, y así sucesivamente a 1000.
- Decide el número de tamaño de la muestra necesario. ¿No está seguro de cuál debería ser el tamaño de muestra correcto? Pruebe nuestra calculadora de tamaño de muestra. Para este ejercicio, usemos 100 como tamaño de muestra.
- Seleccione su muestra ejecutando un generador de números aleatorios para proporcionar 100 números generados aleatoriamente entre 1 y 1000.
El muestreo aleatorio simple normalmente se usa donde se sabe poco sobre la población de participantes. Los investigadores también deben asegurarse de que tengan un método para ponerse en contacto con cada participante para permitir que funcione un verdadero tamaño de la población. Esto lleva a una serie de ventajas y desventajas a considerar.
Esta técnica de muestreo puede proporcionar algunos beneficios excelentes.
¿Qué es una muestra simple?
Supongamos que queremos crear un estudio sobre los salarios mensuales de los ciudadanos de un país. Nuestra variable aleatoria será el salario mensual de los ciudadanos.
El concepto de campeón nació de la imposibilidad de preguntar a cada uno de los ciudadanos de un país. Esto llevaría mucho tiempo o muchos recursos financieros. Entonces, en lugar de preguntar a 50 millones de personas, decidimos pedir 50,000.
Una vez que se define la variable en la que trabajaremos y la población de datos, debemos proceder a obtener la muestra. Hay una vasta literatura sobre cómo obtener la muestra correcta. Pero, dado que el objetivo de esta definición se acerca a este concepto de una manera simple, no ingresaremos al tema.
Al simplificar mucho, en general, tendremos dos opciones. O pregunte a los ciudadanos de una manera completamente al azar o elija un proceso de selección. Para que la muestra cumpla con el criterio «aleatorio», debemos hacerlo completamente al azar. No podemos elegir ciudades, áreas, vecindarios u otro.
Si elegimos conscientemente el proceso de selección, nuestra muestra probablemente se distorsionará. Lo correcto sería usar una herramienta que extraiga al azar los nombres de los ciudadanos.
Una vez que tenemos nuestra muestra aleatoria simple, tenemos que trabajar con los datos. Es decir, hacer inferencia estadística. Esta inferencia estadística nos permitirá sacar conclusiones del estudio. Por ejemplo, declaraciones como: «El salario mensual promedio en España es de 1,200 euros» o «solo el 5% de los ciudadanos con los salarios más altos obtienen el equivalente del 30% más pobre».
¿Qué significa muestra simple?
Paradoja: ¿Qué significa esta palabra? Descubra la explicación juntos, buscando sus orígenes y significado, y también algunos ejemplos de las paradojas más famosas de la historia. Comencemos diciendo que la palabra paradoja deriva del griego: de las palabras παρά (contras) y δόù (opinión). ¿Qué significa esta palabra? Por Paradox nos referimos a la descripción de un hecho que contradice la opinión común o la experiencia diaria. Un procedimiento lógico en el que la premisa y la conclusión están en contradicción, y que por lo tanto parece correcta, coherente y válida, pero que en cualquier caso contiene elementos contradictorios.
En el vocabulario treccani leemos la siguiente definición: «paraòsso1 adj. E s. M. [de la gr. Παράδος, comp. El gr. παράδ post (neutral sustantivo), lat. paradoxum]. – 1. adj. Eso va en contra de la opinión o contra la forma común de pensar, y por lo tanto sorprende porque es extraño, inesperado. […] 2. s. M. Afirmación, proposición, tesis, opinión de que, debido a su contenido o por la forma en que se expresa, parece contrario a la opinión común o a la probabilidad y, por lo tanto, gestiona sorprendente o increíble, o determina situaciones de incertidumbre o indecidibilidad. » Por lo tanto, la paradoja es una afirmación inusual, porque a partir de cierta hipótesis, se contradice durante el razonamiento.
La palabra paradoja también se puede usar en diferentes contextos lingüísticos y, en ese caso, su significado cambia ligeramente: en matemáticas, por ejemplo, la paradoja es una propuesta finalmente demostrada y lógicamente coherente, pero lejos de la intuición; En filosofía y economía, sin embargo, el término paradoja a menudo se usa también como sinónimo de antinomia.
Las paradojas a menudo se usan para estimular la reflexión sobre un tema, pero también para resaltar el comportamiento aparentemente contradictorio y sin una explicación clara.
¿Cómo se hace un muestreo simple?
El muestreo estadístico se usa con bastante frecuencia en estadísticas. En este proceso, nuestro objetivo es determinar algo sobre una población. Dado que las poblaciones son generalmente grandes, formamos una muestra estadística seleccionando un subconjunto de la población que es de una dimensión predeterminada. Al estudiar la muestra, podemos usar las estadísticas inferenciales para determinar algo sobre la población.
Una muestra estadística de tamaño N involucra a un solo grupo de N individuos o sujetos que han sido elegidos al azar por la población. Estrictamente correlacionado con el concepto de una muestra estadística, es una distribución de muestra.
Una distribución de muestra ocurre cuando formamos más de una muestra aleatoria simple del mismo tamaño de una determinada población. Estas muestras se consideran independientes entre sí. Entonces, si un individuo está en una muestra, tiene la misma probabilidad de estar en la siguiente muestra que se toma.
Calculamos una estadística particular para cada muestra. Esto podría ser un promedio de muestra, una varianza de muestra o una proporción de muestra. Dado que una estadística depende de la muestra que tenemos, cada muestra generalmente producirá un valor diferente para las estadísticas de interés. El rango de valores que se han producido es lo que nos ofrece nuestra distribución de muestras.
Para un ejemplo, consideraremos la distribución de la muestra para el promedio. El promedio de una población es un parámetro típicamente desconocido. Si seleccionamos una muestra de tamaño 100, el promedio de esta muestra se calcula fácilmente agregando todos los valores y, por lo tanto, dividiendo para el número total de bases de datos, en este caso 100. Una muestra de tamaño 100 puede darnos un promedio de 50. Otra muestra de este tipo puede tener un promedio de 49. Otra 51 y otra muestra pueden tener un promedio de 50.5.
Artículos Relacionados:
