Todos los que han trabajado en un proyecto de investigación saben que los recursos son limitados; El tiempo, el dinero y la gente nunca vienen en una oferta ilimitada. Por esa razón, la mayoría de los proyectos de investigación tienen como objetivo recopilar datos de una muestra de personas, en lugar de de toda la población (el censo es una de las pocas excepciones). Esto se debe a que el muestreo permite a los investigadores:
Contactar a todos en una población lleva tiempo. E, invariablemente, algunas personas no responderán al primer esfuerzo para contactarlos, lo que significa que los investigadores tienen que invertir más tiempo para el seguimiento. El muestreo aleatorio es mucho más rápido que encuestar a todos en una población, y obtener una muestra no aleatoria es casi siempre más rápido que el muestreo aleatorio. Por lo tanto, el muestreo ahorra mucho tiempo a los investigadores.
El número de personas que un investigador contacta está directamente relacionado con el costo de un estudio. El muestreo ahorra dinero al permitir a los investigadores reunir las mismas respuestas de una muestra que recibirían de la población.
El muestreo no aleatorio es significativamente más barato que el muestreo aleatorio, ya que reduce el costo asociado con la búsqueda de personas y la recopilación de datos de ellas. Debido a que toda la investigación se realiza con un presupuesto, ahorrar dinero es importante.
A veces, el objetivo de la investigación es recopilar un poco de datos de muchas personas (por ejemplo, una encuesta de opinión). En otras ocasiones, el objetivo es recopilar mucha información de solo unas pocas personas (por ejemplo, un estudio de usuario o una entrevista etnográfica). De cualquier manera, el muestreo permite a los investigadores hacer más preguntas a los participantes y recopilar datos más ricos que contactar a todos en una población.
¿Qué es muestreo y cuál es su importancia?
Se toma una muestra casi siempre para proporcionar datos estadísticos sobre una amplia gama de sujetos para fines de investigación y administrativos.
Los siguientes ejemplos están diseñados para ilustrar la importancia del muestreo en la vida real:
- En una encuesta de opinión, se entrevista a un número relativamente pequeño de personas, y sus opiniones sobre temas actuales se solicitan para descubrir la actitud de la comunidad en su conjunto.
- Las agencias de marketing y publicidad realizan innumerables consultas para determinar las expectativas, actitudes, hábitos de compra o patrones de compras de los clientes. Esta información es útil para los fabricantes de bienes para la promoción de ventas. Dado que es imposible obtener esta información de innumerables clientes, se logra mediante la entrevista de una parte de los clientes.
- Grandes lotes de productos manufacturados son aceptados o rechazados por los departamentos de compra en negocios o gobierno después de la inspección de un número relativamente pequeño de artículos extraídos de estos lotes.
- En las estaciones fronterizas, los oficiales de aduanas hacen cumplir las leyes al verificar los efectos de solo un pequeño número de viajeros que cruzan la frontera.
- Una tienda por departamentos desea examinar si está perdiendo o ganando clientes sacando una muestra de su lista de titulares de tarjetas de crédito seleccionando cada décimo nombre.
- Los auditores a menudo juzgan hasta qué punto los procedimientos de contabilidad adecuados han seguido el examen de un pequeño número de transacciones seleccionadas de una gran cantidad de tales transacciones que tienen lugar dentro de un período de tiempo específico.
- El Ministerio de Salud y Bienestar Familiar podría estar interesado en conocer el estado del conocimiento entre la población adulta en la ciudad de Dhaka sobre el peligro de la contaminación ambiental al entrevistar a algunos adultos seleccionados de la ciudad.
Innumerables mediciones de la economía, la salud, la fuerza laboral, el uso de anticonceptivos, la inmunización, el desempleo, los ingresos, la exportación, la importación, los productos industriales y similares dependen de muestras en lugar de en la enumeración completa.
Se están realizando numerosas encuestas para desarrollar, probar y refinar hipótesis en sociología, psicología, demografía, ciencias políticas, antropología, geografía, economía, educación y salud pública.
¿Cuál es la importancia del muestreo en laboratorio?
No se puede exagerar la importancia del muestreo en las pruebas. Y el muestreo ambiental lidera el camino con los procedimientos de recolección de muestras a la vanguardia frente a las sustancias per- y polifluoroalquilo (PFA).
Los procedimientos para el muestreo de PFA son increíblemente estrictos. Se alienta a los muestras a usar champús, cosméticos y bloques solares que han sido verificados sin PFA. Alternativamente, deben evitar su uso todos juntos. Las etiquetas y las botellas de recolección de muestras deben estar libres de PFA. Los envoltorios de alimentos deben evitarse en la zona de muestreo.
Es necesario tener un técnico competente para recolectar, manejar y transportar las muestras. Sin uno, la prueba resultante realizada en la muestra puede comprometerse rápidamente.
La importancia del muestreo entra en juego de otras maneras. El muestreo se considera el mayor contribuyente a la incertidumbre de medición. Sin embargo, el control de calidad y la garantía de calidad para los procedimientos, el manejo y el transporte de muestras siguen siendo mal evaluadas en comparación con la prueba de estas muestras.
La calidad de las muestras se está volviendo más importante ya que los límites máximos para los analitos se están volviendo más estrictos. Además, el proceso de muestreo es la mayor fuente de incertidumbre trae la necesidad de evaluación y cuantificación.
El mayor enfoque en el muestreo en ISO/IEC 17025: 2017 es un paso en la dirección correcta. El estándar especifica los requisitos generales de competencia para realizar pruebas y calibraciones, incluido el muestreo. Cubre sistemas de calidad de prueba, calibración y muestreo utilizando métodos estándar y métodos modificados o modificados desarrollados por el laboratorio.
¿Cuál es la importancia del muestreo en las ciencias sociales?
Por ejemplo, los patrones pueden desarrollarse en los datos. Aunque las estadísticas descriptivas nos ayudan a digerir los datos, no nos permiten llegar a una conclusión con respecto a las hipótesis que hemos desarrollado. En general, las estadísticas descriptivas explican cuantitativamente las estructuras de un conjunto de datos. Por otro lado, hay una técnica que analiza una gran población y toma una pequeña muestra de esa población y hace generalizaciones dentro de esa población que se dibujó, esto se conocería como estadísticas inferenciales. Este proceso es muy útil cuando podría ser muy problemático o poco probable que examine a cada miembro de toda una población…
717-718). Si bien algunos consideran que esta falta de relación y contacto entre el investigador y el participante es una debilidad, otros lo consideran positivo porque permite que el investigador permanezca lo más imparcial y objetivo posible (Carr, 1994, p. 717). Otra fuerza es la de muestreo aleatorizado a gran escala que se usa típicamente; Los resultados de la investigación cuantitativa generalmente tienen una mayor confiabilidad y mayores posibilidades de poder ser más generalizados que la investigación cualitativa (Carr, 1994; Liamputtong,…
Él cree que la hipótesis nula pasa por alto los efectos que en realidad podrían ser importantes solo porque estadísticamente no lo son. Por lo tanto, la investigación cualitativa comprende la dinámica del mundo social mejor que los métodos cuantitativos (Cronbach 1975). Al considerar qué paradigma usar, el investigador también debe considerar las diferentes formas en que los resultados se calculan dentro de los estudios cualitativos y cuantitativos. Si bien los hallazgos cuantitativos deben establecerse de hecho, los resultados de la investigación cuantitativa pueden explicarse a través de la comprensión y los valores políticos de los investigadores. La investigación cualitativa es, por lo tanto, muy flexible, lo que la hace innovadora a diferencia de la cuantitativa, que está mucho más controlada (Silverman)…
Un ejemplo de precisión sería decir 100 individuos en lugar de decir muchas personas. Sin relevancia, descubrir cómo se relaciona la información con el problema puede conducir a datos rebeldes. Esto a su vez puede conducir a menos precisión y claridad. La relevancia también significa cómo puede ayudar con el problema. La profundidad se ocupa de las complejidades de la situación y sabe qué puede dificultarlo o cómo lidiar con esas dificultades…
¿Cuál es la importancia del muestreo en una determinacion analitica?
Cuando un fabricante enumera un químico como grado de reactivo ACS, debe demostrar que se ajusta a las especificaciones establecidas por la American Chemical Society (ACS). Por ejemplo, las especificaciones de ACS para NABR comercial requieren que la concentración de hierro sea inferior a 5 ppm. Para verificar que un lote de producción cumple con este estándar, el fabricante recopila y analiza varias muestras, informando el resultado promedio de la etiqueta del producto (figura ( pageIndex {1} )).
Si las muestras individuales no representan con precisión la población de la que se extrae, una población que llamamos la población objetivo, entonces incluso un análisis cuidadoso producirá un resultado inexacto. Extrapolar el resultado de una muestra a su población objetivo siempre introduce un error de muestreo determinado. Para minimizar este error de muestreo determinado, debemos recopilar la muestra correcta.
Incluso si recolectamos la muestra correcta, los errores de muestreo indeterminados pueden limitar la utilidad de nuestro análisis. La ecuación ref {7.1} muestra que un intervalo de confianza sobre la media, ( overline {x} ), es proporcional a la desviación estándar, s, del análisis
[ mu = overline {x} pm frac {t s} { sqrt {n}} etiqueta {7.1} ]
donde n es el número de muestras y t es un factor estadístico que explica la probabilidad de que el intervalo de confianza contenga el valor verdadero, ( mu ).
¿Cuál es la importancia de realizar un muestreo?
El muestreo de importancia es un método de Monte Carlo para evaluar las propiedades de una distribución particular, mientras que solo tiene muestras generadas a partir de una distribución diferente a la distribución de interés. Su introducción en estadísticas generalmente se atribuye a un artículo de Teun Kloek y Herman K. van Dijk en 1978, [1] pero sus precursores se pueden encontrar en la física estadística ya en 1949. [2] [3] El muestreo de importancia también está relacionado con el muestreo paraguas en física computacional. Dependiendo de la aplicación, el término puede referirse al proceso de muestreo de esta distribución alternativa, el proceso de inferencia o ambos.
Sea x: ω → r { displaystyle x colon omega to mathbb {r}} Sea una variable aleatoria en algún espacio de probabilidad (ω, f, p) { displaystyle ( omega, { mathcal {f} },PAGS)}. Deseamos estimar el valor esperado de x bajo p, denotado e [x; p]. Si tenemos muestras aleatorias estadísticamente independientes x1,…, xn { displaystyle x_ {1}, ldots, x_ {n}}, generada según P, entonces una estimación empírica de E [x; p] es
La idea básica de muestreo de importancia es probar los estados de una distribución diferente para reducir la varianza de la estimación de E [x; P], o cuando el muestreo de P es difícil.
Esto se logra eligiendo primero una variable aleatoria l≥0 { displayStyle l geq 0} tal que e [l; p] = 1 y que p-máxima todos (ω) ≠ 0 { displaystyle l ( omega) neq 0}.
Con la variable l definimos una probabilidad p (l) { displaystyle p^{(l)}} que satisface
¿Qué es el muestreo en analitica?
Cuando usamos un método analítico para resolver un problema, no hay garantía que obtenga resultados precisos o precisos. Al diseñar un método analítico, consideramos posibles fuentes de error determinado y error indeterminado, y tomamos los pasos apropiados, como los espacios en blanco reactivo y la calibración de los instrumentos, para minimizar su efecto. ¿Por qué un método analítico cuidadosamente diseñado podría dar malos resultados? Una posible razón es que es posible que no hayamos tenido en cuenta los errores asociados con la muestra. Si recopilamos la muestra incorrecta, o si perdemos el analito cuando preparamos la muestra para el análisis, presentamos una fuente determinada de error. Si no recolectamos suficientes muestras, o si recolectamos muestras del tamaño incorrecto, entonces la precisión de nuestro análisis puede sufrir. En este capítulo consideramos cómo recolectar muestras y cómo prepararlas para el análisis.
¿Cuál es la importancia del muestreo en psicología?
Una población es un grupo completo con características específicas. El grupo/población objetivo es el subgrupo de población deseado que se estudia y, por lo tanto, desea que los resultados de la investigación se generalicen. Un grupo objetivo suele ser demasiado grande para estudiar en su totalidad, por lo que los métodos de muestreo se utilizan para elegir una muestra representativa del grupo objetivo.
Una muestra representativa es un subconjunto del grupo objetivo con una distribución similar de las características relevantes, a su vez que nos permite generalizar de la muestra al grupo objetivo con cierta justificación. Una muestra no representativa es la que no refleja la distribución de las características del grupo objetivo, no puede generalizarse a la población objetivo y, por lo tanto, está sesgada.
Hay varios métodos de muestreo diferentes. Echemos un vistazo a cada uno brevemente.
Este método le da a cada miembro del grupo objetivo una posibilidad igual de ser seleccionada para la muestra (por ejemplo, asignando un número a cada miembro, y luego seleccionando desde el grupo al usar un generador de números aleatorios).
- Es ampliamente aceptado que, dado que cada miembro tiene la misma probabilidad de ser seleccionado, existe una posibilidad razonable de lograr una muestra representativa.
- Pequeños grupos minoritarios dentro de su grupo objetivo pueden distorsionar los resultados, incluso con una técnica de muestreo aleatorio.
- Puede ser poco práctico (o no posible) usar una técnica completamente aleatoria, p. El grupo objetivo puede ser demasiado grande para asignar números.
Se elige un método sistemático para seleccionar de un grupo de destino, p. Cada cuarta persona en una lista podría usarse en la muestra. Difiere del muestreo aleatorio, ya que no tiene las mismas posibilidades de selección a cada individuo en el grupo objetivo.
¿Cuál es la importancia de un muestreo?
Considere un escenario que está tratando de calcular una expectativa de la función f (x), donde x ~ p (x), sometida a alguna distribución. Tenemos la siguiente estimación de E (f (x)):
El método de muestreo de Monte Carlo es simplemente muestra X de la distribución P (x) y tomar el promedio de todas las muestras para obtener una estimación de la expectativa. Entonces aquí viene el problema, ¿qué pasa si P (x) es muy difícil de probar? ¿Podemos estimar la expectativa basada en una distribución conocida y fácil de muestrear?
La respuesta es sí. Y proviene de una simple transformación de la fórmula:
donde x se muestrean de la distribución Q (x) y Q (x) no debe ser 0. de esta manera, estimar la expectativa puede probar de otra distribución Q (x) y p (x)/q (x) es Llamada relación de muestreo o peso de muestreo, que actúa como un peso de corrección para compensar el muestreo de probabilidad de una distribución diferente.
Otra cosa que debemos hablar sobre la varianza de la estimación:
donde en este caso, x es f (x) p (x)/q (x), por lo que si p (x)/q (x) es grande, esto dará como resultado una gran varianza, que definitivamente esperamos evitar. Por otro lado, también es posible seleccionar Q (x) adecuado que resulte en una variación aún menor. Vamos a entrar en un ejemplo.
Primero, definamos la función f (x) y la distribución de la muestra:
Ahora definamos la distribución de P (x) y Q (x):
Por razones de simplicidad, aquí P (X) y Q (x) son distribución normal, puede intentar definir algunas P (x) de la que es muy difícil de probar. En nuestra primera demostración, establezcamos dos distribuciones cerca una de la otra con una media similar (3 y 3.5) y el mismo sigma 1:
Ahora podemos calcular el valor verdadero muestreado de la distribución p (x)
¿Qué es un muestreo en psicologia?
En psicología, la población también se llama población objetivo. La población es el grupo de personas en el que un investigador está interesado.
El tamaño de la población puede variar ampliamente. Algunos estudios se dirigen a toda la población humana, mientras que otros solo están interesados en un grupo más pequeño, por ejemplo, personas de grupos de edad específicos o ciertas profesiones, etc.
Por lo general, los investigadores no pueden reclutar a toda la población para participar en sus estudios. Por lo tanto, los investigadores seleccionan un grupo pequeño dentro de la población llamado muestra. Este método en psicología se llama muestreo.
La muestra dibujada debe representar a la población en la que los investigadores están interesados en hacer generalizaciones sobre la población. Idealmente, los investigadores desean seleccionar una muestra con la mayor representatividad y un sesgo mínimo. Los investigadores pueden generalizar los resultados a la población objetivo con mayor confianza.
La siguiente sección es sobre los diferentes métodos de muestreo que necesita conocer en la psicología de nivel A. Esta sección se trata de explicar, implementar y evaluar cada técnica de muestreo.
Una muestra de oportunidad es una muestra en la que los individuos son seleccionados más disponibles.
Podemos obtener una muestra de oportunidad preguntando a los miembros de la población si están interesados y dispuestos a participar en el estudio.
- La evaluación es la forma más rápida y conveniente de obtener una muestra porque los participantes son reclutados en función de la disponibilidad.
¿Cuándo es necesario el muestreo?
El muestreo se realiza porque generalmente no puede recopilar datos de toda la población. Incluso en poblaciones relativamente pequeñas, los datos pueden ser necesarios con urgencia, e incluir a todos en la población en su recopilación de datos puede llevar demasiado tiempo.
Si un equipo de encuestas pudiera recopilar datos sobre 13 mujeres y 13 niños por día, 6 equipos tomarían 16,648 días o 45.6 años para completar la recopilación de datos. (Y eso no permite ningún tiempo de viaje o días de descanso para los trabajadores de la encuesta).
Si tuviera el dinero y el tiempo, ¿serían estos datos útiles?
Artículos Relacionados:
