El muestreo aleatorio simple es una técnica en la que cada elemento de la población tiene una posibilidad y probabilidad de ser seleccionados. Aquí, la selección de elementos depende completamente de la suerte o la probabilidad; Por lo tanto, esta técnica de muestreo también a veces se conoce como un método de azar.
El muestreo aleatorio simple es un método de muestreo fundamental y puede ser fácilmente un componente de un método de muestreo más complejo. El principal atributo de este método de muestreo es que cada muestra tiene la misma probabilidad de ser elegido.
El tamaño de la muestra en este método de muestreo debe ser idealmente más de unos pocos cientos para que el muestreo aleatorio simple se pueda aplicar adecuadamente. Dicen que este método es teóricamente simple de entender pero difícil de implementar prácticamente. Trabajar con un tamaño de muestra grande no es una tarea fácil, y a veces puede ser un desafío para encontrar un marco de muestreo realista.
Los investigadores siguen estos métodos para seleccionar una muestra aleatoria simple:
- Inicialmente, preparan una lista de todos los miembros de la población, y luego cada miembro está marcado con un número específico (por ejemplo, hay enésimo miembros, luego se numerán de 1 a N).
- De esta población, los investigadores eligen muestras aleatorias que usan dos formas: tablas de números aleatorios y software de generador de números aleatorios. Los investigadores prefieren un software de generador de números aleatorios, ya que no es necesaria la interferencia humana para generar muestras.
Dos enfoques apuntan a minimizar cualquier sesgo en el proceso de muestreo aleatorio simple:
El uso del método de lotería es una de las formas más antiguas y es un ejemplo mecánico de muestreo aleatorio. En este método, el investigador le da a cada miembro de la población un número. Los investigadores extraen números de la caja al azar para elegir muestras.
¿Cómo hacer un muestreo aleatorio simple?
Con la muestra aleatoria simple y sistemática, este error de muestra se puede calcular y luego indicarse mediante extrapolación. Además, cómo hacer esto exactamente, vendremos de inmediato. Primero tenemos que ver si se cumplen todos los requisitos para esto.
No quiero tener ningún detalle estadístico que se haya cumplido por razones detalladas de las cuales se deben cumplir los siguientes criterios. Por razones de descripción general y para no matar ninguna información, creo que es apropiado procesar solo esta lista de verificación:
(Los requisitos previos, por ejemplo, es una lista o archivo con todos los datos de nuestros clientes)
- Las listas con los posibles clientes deben ser mezcladas (no deben ordenarse sistemáticamente)
- La encuesta (o «dibujo») de un cliente no afecta la probabilidad de la encuesta de otros clientes
- No debe haber entradas dobles
- La lista debe estar actual y completa
Todos estos requisitos sirven para garantizar que la población no pueda distorsionarse.
Si nos hemos asegurado de que nuestro archivo o lista sea adecuada para una muestra aleatoria, ahora podemos aventurarnos en el siguiente paso. Una muestra aleatoria simple de SO se puede llevar a cabo muy fácilmente.
En primer lugar, debemos asegurarnos de que cada cliente haya pedido exactamente la misma probabilidad. Está claro que esto debe superar 0.
¿Dónde se aplica muestreo aleatorio simple?
Se dice que un muestreo no es probable cuando para cada caso se desconoce la probabilidad de ser incluida en la muestra. => En un conocimiento CNP del universo no es necesario. => El CNP no permite inferencia para esto, los resultados solo se pueden extender a la muestra.
Una muestra se puede definir como representante cuando proporciona una imagen reducida del universo sin introducir distorsiones, un requisito garantizado por la aleatoriedad del proceso de extracción que se obtiene cuando todas las personas que pertenecen a la organización tienen la misma probabilidad de ser incluida en la muestra .
En un muestreo no profesional, un grupo de encuestados es seleccionado por una extensa población, sabiendo que algunos miembros de esa población no tendrán posibilidad de ser probados.
Distinguen: muestra aleatoria simple, muestra en capas, muestra de racimos, muestra sistemática, más muestra de estadio, etc. dependiendo de la forma en que se seleccionan las unidades de muestra.
En las fórmulas anteriores, P indica el porcentaje de unidades estadísticas que presentan una fecha característica, σ (p) el desperdicio cuadrático promedio de P y N el tamaño de la muestra, es decir, el número de unidades en las que se realizó la detección.
En otras palabras, el grupo de control le permite aislar los efectos del tratamiento tanto como sea posible. Por lo tanto, es más fácil excluir explicaciones alternativas de los resultados que se obtienen del experimento.
¿Qué es el muestreo sistemático ejemplos?
1.) Observe la siguiente lista de estudiantes en una clase.
Supongamos que queremos elegir una muestra de seis estudiantes de esta clase. Vemos que hay 24 estudiantes en toda la clase. Por lo tanto, calculamos 24/6 = 4, para ver que queremos tomar cada cuarto estudiante en la lista. Comenzamos en cualquiera de los primeros seis estudiantes, dicen el Estudiante Número dos (Amy). Ahora, tomamos a cada cuarto estudiante de allí, por lo que tomaríamos a los estudiantes 2, 6, 10, 14, 18 y 22. Por lo tanto, los estudiantes de nuestra muestra serían Amy, Sophie, Ralph, Kenny, Pierre y Crystal.
2.) Imaginemos que tenemos un grupo de 5,000 perros que tienen artritis, y queremos ver cuán frecuente es el dolor articular en ese grupo de perros. Debido a que observar a los 5,000 perros llevaría increíblemente el tiempo, decidimos que observaremos una muestra de ellos y generalizaremos nuestros resultados a toda la población. Decidimos que es posible observar 100 de estos perros, y elegiremos esta muestra sistemáticamente. Para hacer esto, primero pondríamos a los 5,000 perros en una lista ordenada. Luego, comenzando con uno de los primeros 100 perros, tomaríamos cada 50º perro (5,000/100) en nuestra muestra.
Ahora que estamos familiarizados con el proceso de muestreo sistemático, hablemos un poco sobre las ventajas y desventajas de usar este método de muestreo. El muestreo sistemático es muy fácil de usar, que es una de sus mayores ventajas. Algunas otras ventajas son que es conveniente para grandes poblaciones, y garantiza que nuestras selecciones estarán espaciadas uniformemente. Algunas desventajas del muestreo sistemático son que podría dar como resultado una muestra que no es una buena representación de la población y que no es completamente aleatorio.
¿Qué elementos se necesitan para aplicar el muestreo sistemático?
El muestreo sistemático se puede tratar como muestreo de SRSWOR si la disposición de las unidades en la población es aleatoria. Por lo tanto, tratando las muestras sistemáticas seleccionadas como una muestra srswor de tamaño N, la varianza de la media de muestra sistemática se puede estimar como
El estimador Vˆ1 funciona bien si la disposición de las unidades es aleatoria, es decir, si no persiste tendencia o periodicidad en los arreglos de las unidades. Sin embargo, si la disposición de las unidades es tal que el muestreo sistemático es más eficiente que el muestreo SRSWOR, entonces Vˆ1 ciertamente sobreestima la varianza. Por otro lado, Vˆ1 subestima la varianza si en realidad el muestreo sistemático es menos eficiente que SRSWOR.
El muestreo sistemático es similar al muestreo aleatorio simple en que todos los n elementos de la población están numerados y ordenados de 1 a N. Sin embargo, a diferencia de un muestreo aleatorio simple en el que cada uno de los elementos de N se elige al azar, en el muestreo sistemático se elige un elemento Desde los primeros elementos k (K a menudo se define como N/N), entonces cada elemento KTH se elige hasta que se seleccionan N elementos. Por ejemplo, si K es 11 y el primer elemento seleccionado es 7, entonces los elementos 18, 29, 40 y 51 serían elegidos para completar la muestra de n = 5. El muestreo sistemático tiene la ventaja de ser más fácil de ejecutar en algunos casos que el simple muestreo aleatorio, y puede ser más preciso que el muestreo aleatorio simple y el muestreo aleatorio estratificado.
El muestreo sistemático, a menudo aplicado en la selección de muestras en el diseño EPSEM, produce resultados que son equivalentes a los derivados de SRS. Además, el muestreo sistemático se puede utilizar en la implementación de diseños de muestreo de clúster de varias etapas, especialmente para aquellos que usan el método PPS en el proceso de selección de la primera o segunda etapa.
Artículos Relacionados:
