Adam Hayes, Ph.D., CFA, es un escritor financiero con más de 15 años de experiencia en Wall Street como comerciante de derivados. Además de su extensa experiencia en el comercio derivado, Adam es un experto en economía y finanzas conductuales. Adam recibió su maestría en economía de la nueva Escuela para la Investigación Social y su Ph.D. de la Universidad de Wisconsin-Madison en Sociología. Es un titular de CFA y tiene licencias FINRA Series 7, 55 y 63. Actualmente investiga y enseña sociología económica y los estudios sociales de las finanzas en la Universidad Hebrea de Jerusalén.
El muestreo aleatorio estratificado es un método de muestreo que involucra la división de una población en subgrupos más pequeños conocidos como estratos. En el muestreo aleatorio estratificado o la estratificación, los estratos se forman en función de los atributos o características compartidas de los miembros, como los ingresos o el logro educativo. El muestreo aleatorio estratificado tiene numerosas aplicaciones y beneficios, como estudiar la demografía de la población y la esperanza de vida.
El muestreo aleatorio estratificado también se llama muestreo aleatorio proporcional o muestreo aleatorio de cuotas.
- El muestreo aleatorio estratificado permite a los investigadores obtener una población de muestra que mejor representa a toda la población que se está estudiando.
- El muestreo implica una inferencia estadística realizada utilizando un subconjunto de una población.
- El muestreo aleatorio estratificado se realiza dividiendo a toda la población en grupos homogéneos llamados estratos.
- El muestreo aleatorio estratificado proporcional implica tomar muestras aleatorias de grupos estratificados, en proporción a la población. En el muestreo desproporcionado, los estratos no son proporcionales a la aparición de la población.
- El muestreo aleatorio estratificado difiere de un muestreo aleatorio simple, que implica la selección aleatoria de datos de una población completa, por lo que es igualmente probable que cada posible muestra ocurra.
Al completar el análisis o la investigación sobre un grupo de entidades con características similares, un investigador puede encontrar que el tamaño de la población es demasiado grande para completar la investigación al respecto. Para ahorrar tiempo y dinero, un analista puede adoptar un enfoque más factible seleccionando un grupo pequeño de la población. El grupo pequeño se conoce como un tamaño de muestra, que es un subconjunto de la población utilizada para representar a toda la población. Se puede seleccionar una muestra de una población a través de varias formas, una de las cuales es el método de muestreo aleatorio estratificado.
¿Cómo se hace muestreo aleatorio estratificado?
Un investigador puede seleccionar un enfoque más factible para estudiar una población extremadamente grande. Un análisis se ve obligado a dividir a la población en estratos relevantes antes del muestreo.
Una de las formas en que los investigadores usan para seleccionar una muestra pequeña se llama muestreo aleatorio estratificado. Las estimaciones generadas dentro de los estratos son más precisas que las de un muestreo aleatorio porque dividir la población en grupos homogéneos a menudo reduce el error de muestreo y aumenta la precisión.
Al buscar un posible estrato, siempre es aconsejable buscar uno que mejor minimice la variación en las características bajo investigación y maximice la variación entre los estratos. El muestreo aleatorio estratificado se usa mejor con una población heterogénea que se puede dividir utilizando información auxiliar.
El muestreo aleatorio simple, a veces conocido como selección aleatoria, y el muestreo aleatorio estratificado son herramientas de medición estadística. El uso de la selección aleatoria minimizará el sesgo, ya que cada miembro de la población se trata por igual con la misma probabilidad de ser muestreado.
En contraste, el muestreo aleatorio estratificado divide la población en subgrupos distintos llamados estratos que tienen atributos similares. Se toma una muestra aleatoria de cada estrato, con el tamaño de la muestra proporcional a su tamaño del estrato en comparación con la población. Esto asegurará que la muestra resalte las diferencias entre los grupos de estratos.
¿Cuál es la fórmula de muestreo estratificado?
La selección del mercado objetivo, los estratos y el tamaño total de la muestra en el muestreo estratificado no requiere una fórmula. Eso es a discreción del investigador. Sin embargo, usamos esta fórmula para encontrar el tamaño de la muestra de cada subgrupo que involucra uno o más estratos:
Para explicar esto con la ayuda de un ejemplo: consideremos que está entrevistando a una escuela para comprender el tipo de comida que les gusta a los estudiantes. Esta escuela tiene niños y niñas, y quieres tener en cuenta sus pensamientos con un tamaño de muestra de 100 estudiantes.
- Total de estudiantes: 2,000
- No. de niños: 800
- No. de chicas: 1.200
- Total de chicas en la muestra final: (1,200 / 2,000) * 100 = 60
- Total de niños en la muestra final: (800 / 2,000) * 100 = 40
Por lo tanto, usando esta fórmula, obtienes el tamaño de cada subgrupo en proporción al tamaño de cada subgrupo (niñas y niños) donde el estrato es de género.
Con el muestreo estratificado, su equipo debe ser claro sobre los atributos (estratos) que se dirigirán a comparar. Por lo tanto, deben saber sobre subgrupos relevantes dentro del mercado que pueden crear diferentes estratos debido a comportamientos y características.
Suponga que el mercado objetivo es estudiantes de escuela y desea comprender qué libros les gusta leer. Ahora, puede haber múltiples estratos aquí, como:
- Total de estudiantes: 2,000
- No. de niños: 800
- No. de chicas: 1.200
- Total de chicas en la muestra final: (1,200 / 2,000) * 100 = 60
- Total de niños en la muestra final: (800 / 2,000) * 100 = 40
¿Cómo se hace un analisis estratificado?
La existencia de modificadores de efecto o factores de confusión requiere medir un efecto en subgrupos (estratos) de la población de estudio. Realizamos un análisis estratificado. El modificador de efecto o el factor de confusión pueden tener dos o varias categorías. Cada uno de ellos es un estrato en el análisis estratificado. Medimos el efecto entre la exposición y el resultado en cada uno de los diversos niveles tomados por el modificador del efecto o el factor de confusión.
Para realizar un análisis estratificado, podemos identificar seis pasos principales que tienen una cronología específica:
Mida el efecto (RR o OR) de la exposición de interés en el resultado en nuestro estudio. Calcule los límites de confianza de este efecto.
Esas variables se identifican a partir del análisis crudo de los datos o se identifican a priori de la revisión de la literatura. Incluyen los otros factores de riesgo identificados (variables asociadas con el resultado) y variables que pueden subdividirse en varios subgrupos de interés de salud pública (edad, género, etc.). Cuando el modificador de efecto o el factor de confusión no es binario (sí-no) creamos tantos estratos como categorías de exposición en esa variable.
Mida el efecto de la exposición sobre el resultado dentro de cada uno de los estratos (RR2 a RR4 arriba).
Si el efecto difiere entre los estratos, sugerimos que la modificación del efecto está presente. Esto debe estar respaldado por una prueba de homogeneidad entre los estratos y una reflexión sobre la plausibilidad biológica del efecto variable entre los estratos. Dado que el efecto varía entre los estratos, necesitamos presentar los resultados por estrato. Un efecto general (efecto crudo) es menos informativo ya que no ilustra la información dada por el efecto medido en cada estrato.
Artículos Relacionados:
- Ejemplos de muestreo aleatorio estratificado
- Formula para muestreo aleatorio estratificado
- ¿Cómo se realiza el muestreo aleatorio simple?
- Cómo hacer un muestreo aleatorio simple en Excel
- El muestreo estratificado proporcional es una técnica de muestreo que se usa para seleccionar una muestra de una población.
