¿Qué es el muestreo con reemplazo?

El muestreo con reemplazo se utiliza para encontrar probabilidad con el reemplazo. En otras palabras, desea encontrar la probabilidad de algún evento donde haya una serie de bolas, cartas u otros objetos, y reemplaza el elemento cada vez que elija una.

Supongamos que tenía una población de 7 personas y querías probar 2. Sus nombres son:

  • John
  • Jacobo
  • Qiu
  • Tina
  • Hatty
  • Jacques
  • Desesperación
  • John, John
  • John, Jack
  • John, qui
  • Jack, qui
  • Jack Tina
  • …y así.

Cuando muestra con reemplazo, sus dos artículos son independientes. En otras palabras, uno no afecta el resultado del otro. Tiene una probabilidad de 1 de 7 (1/7) de elegir el primer nombre y una probabilidad de 1/7 de elegir el segundo nombre.

  • John
  • Jacobo
  • Qiu
  • Tina
  • Hatty
  • Jacques
  • Desesperación
  • John, John
  • John, Jack
  • John, qui
  • Jack, qui
  • Jack Tina
  • …y así.
  • P (John, John) = (1/7) * (1/7) = .02.
  • P (John, Jack) = (1/7) * (1/7) = .02.
  • P (John, qui) = (1/7) * (1/7) = .02.
  • P (Jack, qui) = (1/7) * (1/7) = .02.
  • P (Jack Tina) = (1/7) * (1/7) = .02.
  • Tenga en cuenta que P (John, John) solo significa «la probabilidad de elegir el nombre de John, y luego el nombre de John nuevamente». Puede descubrir estas probabilidades utilizando la regla de multiplicación.

    ¿Qué es un muestreo con reemplazo y sin reemplazo?

    El muestreo se llama con reemplazo cuando una unidad seleccionada al azar de la población se devuelve a la población y luego se selecciona un segundo elemento al azar. Cada vez que se selecciona una unidad, la población contiene las mismas unidades, por lo que una unidad puede seleccionarse más de una vez. No hay ningún cambio en el tamaño de la población en cualquier etapa. Podemos suponer que se puede seleccionar una muestra de cualquier tamaño de la población dada de cualquier tamaño.

    Este es solo un concepto teórico, y en situaciones prácticas, la muestra no se selecciona utilizando este método de selección. Suponga que un tamaño de población $$ n = 5 $$ y tamaño de muestra $$ n = 2 $$, y el muestreo se realiza con reemplazo. De los elementos $$ 5 $$, el primer elemento se puede seleccionar de manera $$ 5 $$. La unidad seleccionada se devuelve al lote principal y ahora la segunda unidad también se puede seleccionar de manera $$ 5 $$.

    Por lo tanto, en total hay $$ 5 Times 5 = 25 $$ muestras o pares que son posibles. Suponga que un contenedor contiene $$ 3 $$ buenas bombillas denotadas por $$ {g_1}, {g_2} $$ y $$ {g_3} $$ y $$ 2 $$ bombillas defectuosas denotadas por $$ {d_1} $$ y $$ y $$ {D_2} $$. Si se seleccionan dos bombillas con reemplazo, hay muestras posibles $$ 25 $$, como se enumera en la tabla a continuación:

    El número de muestras viene dado por $$ {n^n} = {5^2} = 25 $$. La muestra seleccionada será cualquiera de las muestras posibles $$ 25 $$. Cada muestra tiene una probabilidad igual de $$ 1/25 $$ de selección. Una muestra seleccionada de esta manera se llama muestra aleatoria simple.

    ¿Qué es el muestreo con reemplazo y sin reemplazo?

    • El método de lotería: es muy conveniente para muestras pequeñas, se vuelve inmanejable si la población es bastante numerosa. Para aplicarlo, puede usar un contenedor pequeño con las tarjetas, cada una con el nombre o número de un elemento de la población, por lo tanto, una por una se extrae la cantidad de tarjetas necesarias para completar el tamaño de la muestra solicitada es un método que no es muy rápido para aplicar
    • Tablas de números aleatorios: al igual que el método anterior, esto también proporciona la numeración de los elementos de la población, el tamaño de la muestra se determina aleatoriamente al elegir números, sin ningún orden, por una tabla de números aleatorios, en este caso no es importante. Para leerlos en diagonal, invertido, horizontal o verticalmente, lo importante es elegir el número de números exactos para completar el tamaño de la muestra. Es un proceso algo aburrido y su uso en grandes poblaciones ni siquiera se recomienda.
    • Números aleatorios generados por el software: en este caso, la tecnología de sistemas colabora en la elección de la muestra, a través de un programa de computadora, se puede generar de manera rápida y segura, es muy recomendable.

    Se pueden identificar dos tipos de muestreo aleatorio simple, el primero es con reemplazo, el último es sin reemplazo.

    En este caso, un elemento que ya ha sido seleccionado para formar parte de la muestra se devuelve al contenedor con el resto de los elementos y puede convertirse en parte de una nueva selección, es decir, se convierte en parte del marco de la muestra nuevamente. Cuando se eligirá un nuevo elemento que integrará la muestra que se estudiará, se puede elegir nuevamente.

    ¿Qué es el muestreo con reemplazo?

    Esta técnica de réplica física (muestreo) proporciona, como su nombre indica, la compra de una muestra de valores, seleccionada con el objetivo de dar vida a una cartera similar al punto correcto al del punto de referencia, aunque con una serie de componentes inferiores . Que optimiza los costos de transacción.

    La selección de la muestra tiene lugar de acuerdo con los criterios que le permiten mantener el rendimiento del ETF adherente al del punto de referencia, reduciendo el error de seguimiento de SO. Al igual que en la réplica física completa, el dinero recaudado con suscripciones se utiliza para comprar los valores, que son propiedad del ETF y detenido en un banco custodio3.

    La réplica física de la muestra es preferible a la completa en presencia de índices de capitalización mediano y pequeño o de índices de mercado emergentes y/o periféricos, unidos por la dificultad, para el gerente, para acceder a todos los títulos.

    El muestreo le permite pescar los títulos más líquidos, así como, por supuesto, el más representativo (para reducir el riesgo de error de seguimiento y, por lo tanto, de una respuesta no segura del índice).

    Al igual que la réplica física, la réplica sintética también puede seguir dos formas: la respuesta sintética no financiada y la respuesta sintética financiada. ¿Cuál es la diferencia?

    Atención, aquí vas al técnico. Los ETF sintéticos no financiados replican la tendencia del índice de referencia de esta manera:

    • Con lo que se recogió de las suscripciones, compran una canasta de títulos;

    ¿Qué es muestreo con o sin reposicion?

    • Principio
      Consiste en elegir individuos para que cada miembro de la población tenga la misma oportunidad de aparecer en la muestra. Esta elección se puede hacer con descuento o sin descuento: con descuento, un individuo se puede elegir varias veces; Sin un descuento, un individuo ya elegido no puede volver a ser. Este es el caso habitual.
    • Método
      Número a todas las personas en la lista correspondientes a las personas en la población con números con el mismo número de cifras. Luego use una tabla de números aleatorios, una calculadora o un programa de computadora, para obtener números aleatorios que comprenden el número de cifras deseadas. Finalmente, seleccione los números que coinciden con la lista. Rechazamos los números que no coinciden con la lista o qué repetidos, nos detenemos después de seleccionar al individuo (n representando el número de individuos deseados en la muestra).
    • Primera columna: identifica con un número de cada individuo desde la lista de referencias.
    • Segunda columna: = Alea ()
    • Copie las dos columnas en valor en el mismo lugar.
    • Pruebe las dos columnas de acuerdo con el orden en crecimiento (o disminución) de la segunda columna.
    • Retener los primeros n individuos en la columna 1

    ¿Cuánto podemos hacer muestras?
    Si observamos y el tamaño de la muestra y N el tamaño de la población.

    • Principio
      Consiste en elegir individuos para que cada miembro de la población tenga la misma oportunidad de aparecer en la muestra. Esta elección se puede hacer con descuento o sin descuento: con descuento, un individuo se puede elegir varias veces; Sin un descuento, un individuo ya elegido no puede volver a ser. Este es el caso habitual.
    • Método
      Número a todas las personas en la lista correspondientes a las personas en la población con números con el mismo número de cifras. Luego use una tabla de números aleatorios, una calculadora o un programa de computadora, para obtener números aleatorios que comprenden el número de cifras deseadas. Finalmente, seleccione los números que coinciden con la lista. Rechazamos los números que no coinciden con la lista o qué repetidos, nos detenemos después de seleccionar al individuo (n representando el número de individuos deseados en la muestra).
    • Primera columna: identifica con un número de cada individuo desde la lista de referencias.
    • Segunda columna: = Alea ()
    • Copie las dos columnas en valor en el mismo lugar.
    • Pruebe las dos columnas de acuerdo con el orden en crecimiento (o disminución) de la segunda columna.
    • Retener los primeros n individuos en la columna 1
  • Ventaja de este método: podemos esperar una muestra «representativa» ya que el método le da a cada individuo la población una oportunidad igual.
  • Desventajas: el método solo es aplicable cuando hay una lista exhaustiva de toda la población.
  • Principio
    El muestreo sistemático es un método que también requiere la existencia de una lista de la población donde cada individuo está numerado de 1 a N.
    Nota N, el número de individuos que debe incluir la muestra (el tamaño de la muestra). El vecino entero de N/N se observará «R» y se llamará «razón» de encuesta o «no» encuesta.
  • Método
    Elija al azar un entero natural de 1 y R (este entero será el punto de partida). El individuo cuyo número corresponde a D es el primer individuo. Para seleccionar los demás, simplemente agregue el motivo de la encuesta: los individuos elegidos serán aquellos cuyos números corresponden a
    D + R
    D + 2r
    D + 3r
    etc…
  • Ventajas: fácil de seleccionar porque se elige a un solo individuo al azar. Podemos obtener una buena precisión porque el método permite que la muestra se distribuya en toda la lista.
  • Desventajas: los datos pueden ser sesgados debido a la periodicidad.
  • Ejemplo
    Estudio de viajes en autobús durante 365 días tomando una muestra de tamaño 60. (n = 365 días y n = 60).
  • Observaciones
    Tenemos una población de 400 personas, queremos una muestra de 100 personas.
    R = 4
    Entonces tenemos 4 muestras posibles
    1, 5, 9,… 397
    2, 6, 10,… 398
    3, 7, 11,… .399
    4, 8, 12,… 400SI La población se distribuye aleatoriamente en la base de la encuesta, un muestreo sistemático dará resultados similares a los de un muestreo aleatorio simple.
    Este método se usa ampliamente en controles de calidad.
    Muestreo con probabilidad proporcional al tamaño.
    Si la base de la encuesta contiene información sobre el tamaño de cada unidad (como el número de médicos en un hospital) y si el tamaño de estas unidades varía, esta información se puede utilizar para aumentar la eficiencia de muestreo.
    Cuanto mayor sea el tamaño de la unidad, más es la posibilidad de ser incluida en la muestra es alta
  • Principio
    1. Subdividimos la población en estratos (grupos relativamente homogéneos) que son mutuamente excluyentes
    2. Proporcionalmente a su importancia en la población, calculamos cuántas personas se necesitan dentro de la muestra para representar cada estrato.
    3. En cada uno de los estratos, el número necesario de individuos es elegir aleatoriamente que las variables de estratificación deben ser fáciles de usar, fáciles de observar y estrechamente vinculadas al tema de la encuesta.
  • Ventajas
    Es poco probable que elija una muestra absurda ya que aseguramos la presencia proporcional de todos los diversos subgrupos que componen la población.
  • Desventajas
    El método supone la existencia de una lista de la población. También debemos saber cómo se distribuye esta población de acuerdo con ciertos estratos.
  • Ejemplo
    Elija mediante muestras de muestras de 10 estudiantes en un grupo de 60, teniendo en cuenta que el 50% de ellos están en CP, 30% en CE1 y 20% en CE2.
  • Estimar
    Muestreo aleatorio simple en intraustrate
  • Aplicación digital Tenemos 1060 hospitales. Estamos interesados ​​en el número promedio de médicos por hospital. La población se define por 5 estratos por tamaño de rodajas de acuerdo con el número de médicos. Esta información se obtiene de los documentos de APHP que no dan el número exacto de médicos sino solo el borde del tamaño. Al realizar una encuesta aleatoria simple en cada stratum H de acuerdo con un presupuesto que permite investigar en general 300 hospitales, medimos YH y la dispersión SH2 del número variable de médicos en la muestra de los hospitales dibujados. Las asignaciones del estrato se dan en la última columna de la tabla. ¿Cuál es el estimador y y cuál es su precisión?
  • Principio En métodos anteriores, la unidad estadística se eligió individualmente.
    La técnica de muestreo de grupos conduce a la división de la población a grupos o grupos.
    Seleccionamos aleatoriamente varios grupos (unidades primarias) para representar a la población. Luego seleccionamos a todos los individuos de los grupos elegidos.
  • Ventajas
    El método no requiere una lista global de la población ya que solo los individuos incluidos en el recuento de grupos. Limita la muestra a grupos compactos que reducen los costos de viaje, monitoreo y supervisión.
  • Desventajas
    El método puede conducir a resultados imprecisos (menos precisos que los métodos anteriores) ya que las unidades vecinas tienden a ser iguales. No controla el tamaño final de la muestra.
  • Principio
    Parece el muestreo de grupos, excepto que en este caso tomamos una muestra dentro de cada clúster.
    Esto implica al menos dos grados (pero eso puede ser más) de muestreo: identificamos en primer grado los grupos grandes (unidades primarias), luego en segundo grado, dentro de cada grupo, seleccionamos las unidades (unidades secundarias) que ser parte de la muestra.
  • Ventajas
    La muestra está más concentrada, lo que reduce los costos, no es necesario tener la lista de todas las unidades. El método permite controlar el tamaño de la muestra, en particular por estratificación.
  • Desventajas: precisión de los resultados, tamaño mayor que en el caso de un muestreo aleatorio simple.
  • Principio
    Los datos básicos se recopilan de una muestra de unidad grande, luego, para una submuestra de estas unidades, la recopilación de datos es más detallada.
    Los más comúnmente usan dos fases o muestreo doble. Por lo tanto, en la primera fase consiste en «filtrar» la primera muestra a través de un cuestionario, por ejemplo.
    El muestreo con varias fases es bastante diferente del muestreo durante varios grados, a pesar de las similitudes entre ellas en el plano de su nombre.
    Varias muestras de fases son útiles cuando carece dentro de la encuesta de datos auxiliares que podrían usarse para estratificar a la población o rechazar parte de la población y cuando no tiene un presupuesto insuficiente para recopilar datos de toda la muestra (o al recopilar datos de la Toda la muestra impondría una carga excesiva a los encuestados).
  • Los métodos no aleatorios o empíricos se oponen a los métodos aleatorios.
    En el caso del muestreo probabilístico, cada unidad tiene la oportunidad de ser seleccionados. En el de muestreo no probabilístico, se supone que la distribución de características dentro de la población es igual. Esto es lo que hace que el investigador crea que cualquier muestra sería representativa y que los resultados, por lo tanto, serán precisos. Para el muestreo probabilístico, la aleatorización es una característica del proceso de selección, en lugar de una hipótesis sobre la estructura de la población.
    En el caso de muestreo no probabilístico, dado que las unidades eligen arbitrariamente, no hay forma de estimar la probabilidad de que se incluya ninguna unidad en la muestra. Además, como el método en cuestión no proporciona la garantía de que cada unidad tendrá la oportunidad de ser incluida en la muestra, no podemos estimar la variabilidad del muestreo o identificar el posible sesgo.
    No se puede medir la confiabilidad del muestreo no probabilístico; La única forma de medir la calidad de los datos resultantes es comparar algunos de los resultados de la información con la información sobre la población. Nuevamente, nada proporciona un seguro que las estimaciones no excederán un nivel aceptable de error. Los estadísticos dudan en usar métodos de muestreo no probabilísticos, porque no hay forma de medir la precisión de las muestras que surgen.
    A menudo se usan

    • Principio
      Consiste en elegir individuos para que cada miembro de la población tenga la misma oportunidad de aparecer en la muestra. Esta elección se puede hacer con descuento o sin descuento: con descuento, un individuo se puede elegir varias veces; Sin un descuento, un individuo ya elegido no puede volver a ser. Este es el caso habitual.
    • Método
      Número a todas las personas en la lista correspondientes a las personas en la población con números con el mismo número de cifras. Luego use una tabla de números aleatorios, una calculadora o un programa de computadora, para obtener números aleatorios que comprenden el número de cifras deseadas. Finalmente, seleccione los números que coinciden con la lista. Rechazamos los números que no coinciden con la lista o qué repetidos, nos detenemos después de seleccionar al individuo (n representando el número de individuos deseados en la muestra).
    • Primera columna: identifica con un número de cada individuo desde la lista de referencias.
    • Segunda columna: = Alea ()
    • Copie las dos columnas en valor en el mismo lugar.
    • Pruebe las dos columnas de acuerdo con el orden en crecimiento (o disminución) de la segunda columna.
    • Retener los primeros n individuos en la columna 1
  • Ventaja de este método: podemos esperar una muestra «representativa» ya que el método le da a cada individuo la población una oportunidad igual.
  • Desventajas: el método solo es aplicable cuando hay una lista exhaustiva de toda la población.
  • Principio
    El muestreo sistemático es un método que también requiere la existencia de una lista de la población donde cada individuo está numerado de 1 a N.
    Nota N, el número de individuos que debe incluir la muestra (el tamaño de la muestra). El vecino entero de N/N se observará «R» y se llamará «razón» de encuesta o «no» encuesta.
  • Método
    Elija al azar un entero natural de 1 y R (este entero será el punto de partida). El individuo cuyo número corresponde a D es el primer individuo. Para seleccionar los demás, simplemente agregue el motivo de la encuesta: los individuos elegidos serán aquellos cuyos números corresponden a
    D + R
    D + 2r
    D + 3r
    etc…
  • Ventajas: fácil de seleccionar porque se elige a un solo individuo al azar. Podemos obtener una buena precisión porque el método permite que la muestra se distribuya en toda la lista.
  • Desventajas: los datos pueden ser sesgados debido a la periodicidad.
  • Ejemplo
    Estudio de viajes en autobús durante 365 días tomando una muestra de tamaño 60. (n = 365 días y n = 60).
  • Observaciones
    Tenemos una población de 400 personas, queremos una muestra de 100 personas.
    R = 4
    Entonces tenemos 4 muestras posibles
    1, 5, 9,… 397
    2, 6, 10,… 398
    3, 7, 11,… .399
    4, 8, 12,… 400SI La población se distribuye aleatoriamente en la base de la encuesta, un muestreo sistemático dará resultados similares a los de un muestreo aleatorio simple.
    Este método se usa ampliamente en controles de calidad.
    Muestreo con probabilidad proporcional al tamaño.
    Si la base de la encuesta contiene información sobre el tamaño de cada unidad (como el número de médicos en un hospital) y si el tamaño de estas unidades varía, esta información se puede utilizar para aumentar la eficiencia de muestreo.
    Cuanto mayor sea el tamaño de la unidad, más es la posibilidad de ser incluida en la muestra es alta
  • Principio
    1. Subdividimos la población en estratos (grupos relativamente homogéneos) que son mutuamente excluyentes
    2. Proporcionalmente a su importancia en la población, calculamos cuántas personas se necesitan dentro de la muestra para representar cada estrato.
    3. En cada uno de los estratos, el número necesario de individuos es elegir aleatoriamente que las variables de estratificación deben ser fáciles de usar, fáciles de observar y estrechamente vinculadas al tema de la encuesta.
  • Ventajas
    Es poco probable que elija una muestra absurda ya que aseguramos la presencia proporcional de todos los diversos subgrupos que componen la población.
  • Desventajas
    El método supone la existencia de una lista de la población. También debemos saber cómo se distribuye esta población de acuerdo con ciertos estratos.
  • Ejemplo
    Elija mediante muestras de muestras de 10 estudiantes en un grupo de 60, teniendo en cuenta que el 50% de ellos están en CP, 30% en CE1 y 20% en CE2.
  • Estimar
    Muestreo aleatorio simple en intraustrate
  • Aplicación digital Tenemos 1060 hospitales. Estamos interesados ​​en el número promedio de médicos por hospital. La población se define por 5 estratos por tamaño de rodajas de acuerdo con el número de médicos. Esta información se obtiene de los documentos de APHP que no dan el número exacto de médicos sino solo el borde del tamaño. Al realizar una encuesta aleatoria simple en cada stratum H de acuerdo con un presupuesto que permite investigar en general 300 hospitales, medimos YH y la dispersión SH2 del número variable de médicos en la muestra de los hospitales dibujados. Las asignaciones del estrato se dan en la última columna de la tabla. ¿Cuál es el estimador y y cuál es su precisión?
  • Principio En métodos anteriores, la unidad estadística se eligió individualmente.
    La técnica de muestreo de grupos conduce a la división de la población a grupos o grupos.
    Seleccionamos aleatoriamente varios grupos (unidades primarias) para representar a la población. Luego seleccionamos a todos los individuos de los grupos elegidos.
  • Ventajas
    El método no requiere una lista global de la población ya que solo los individuos incluidos en el recuento de grupos. Limita la muestra a grupos compactos que reducen los costos de viaje, monitoreo y supervisión.
  • Desventajas
    El método puede conducir a resultados imprecisos (menos precisos que los métodos anteriores) ya que las unidades vecinas tienden a ser iguales. No controla el tamaño final de la muestra.
  • Principio
    Parece el muestreo de grupos, excepto que en este caso tomamos una muestra dentro de cada clúster.
    Esto implica al menos dos grados (pero eso puede ser más) de muestreo: identificamos en primer grado los grupos grandes (unidades primarias), luego en segundo grado, dentro de cada grupo, seleccionamos las unidades (unidades secundarias) que ser parte de la muestra.
  • Ventajas
    La muestra está más concentrada, lo que reduce los costos, no es necesario tener la lista de todas las unidades. El método permite controlar el tamaño de la muestra, en particular por estratificación.
  • Desventajas: precisión de los resultados, tamaño mayor que en el caso de un muestreo aleatorio simple.
  • Principio
    Los datos básicos se recopilan de una muestra de unidad grande, luego, para una submuestra de estas unidades, la recopilación de datos es más detallada.
    Los más comúnmente usan dos fases o muestreo doble. Por lo tanto, en la primera fase consiste en «filtrar» la primera muestra a través de un cuestionario, por ejemplo.
    El muestreo con varias fases es bastante diferente del muestreo durante varios grados, a pesar de las similitudes entre ellas en el plano de su nombre.
    Varias muestras de fases son útiles cuando carece dentro de la encuesta de datos auxiliares que podrían usarse para estratificar a la población o rechazar parte de la población y cuando no tiene un presupuesto insuficiente para recopilar datos de toda la muestra (o al recopilar datos de la Toda la muestra impondría una carga excesiva a los encuestados).
  • para estudios exploratorios;
  • para reducir los costos;
  • Cuando es imposible o no es posible usar el método aleatorio.
  • Muestreo a los ciegos o la conveniencia: Ex.: Disfruta de una muestra de vino.
  • Muestreo para juzgar: este método implica la selección de individuos de acuerdo con la idea que tenemos de la composición de la población. Lo hacemos para las pruebas con grupos objetivo.
  • Muestreo de cuotas: se usa ampliamente en encuestas de opinión y estudios de mercado, especialmente porque no supone una lista de individuos en la población. También hablamos de muestreo LED o por elección razonada. Se les pide a los investigadores que realicen una serie de entrevistas en varios grupos establecidos de acuerdo con el sector geográfico, edad, sexo u otras características… El investigador debe respetar su cuota.
  • Ventajas: menos costosas y más fáciles de hacer.
  • Desventajas: muchas no respuestas; Dificultad para decidir cuando se trata de seleccionar individuos de un grupo de edad abierta (por ejemplo, 65 o más: debe tomar 66 años, 70 años…).
  • Los métodos de muestreo pueden ser fuentes de error. Se pueden eliminar varios errores, algunos pueden reducirse, pero otros persistirán.

    • Principio
      Consiste en elegir individuos para que cada miembro de la población tenga la misma oportunidad de aparecer en la muestra. Esta elección se puede hacer con descuento o sin descuento: con descuento, un individuo se puede elegir varias veces; Sin un descuento, un individuo ya elegido no puede volver a ser. Este es el caso habitual.
    • Método
      Número a todas las personas en la lista correspondientes a las personas en la población con números con el mismo número de cifras. Luego use una tabla de números aleatorios, una calculadora o un programa de computadora, para obtener números aleatorios que comprenden el número de cifras deseadas. Finalmente, seleccione los números que coinciden con la lista. Rechazamos los números que no coinciden con la lista o qué repetidos, nos detenemos después de seleccionar al individuo (n representando el número de individuos deseados en la muestra).
    • Primera columna: identifica con un número de cada individuo desde la lista de referencias.
    • Segunda columna: = Alea ()
    • Copie las dos columnas en valor en el mismo lugar.
    • Pruebe las dos columnas de acuerdo con el orden en crecimiento (o disminución) de la segunda columna.
    • Retener los primeros n individuos en la columna 1
  • Ventaja de este método: podemos esperar una muestra «representativa» ya que el método le da a cada individuo la población una oportunidad igual.
  • Desventajas: el método solo es aplicable cuando hay una lista exhaustiva de toda la población.
  • Principio
    El muestreo sistemático es un método que también requiere la existencia de una lista de la población donde cada individuo está numerado de 1 a N.
    Nota N, el número de individuos que debe incluir la muestra (el tamaño de la muestra). El vecino entero de N/N se observará «R» y se llamará «razón» de encuesta o «no» encuesta.
  • Método
    Elija al azar un entero natural de 1 y R (este entero será el punto de partida). El individuo cuyo número corresponde a D es el primer individuo. Para seleccionar los demás, simplemente agregue el motivo de la encuesta: los individuos elegidos serán aquellos cuyos números corresponden a
    D + R
    D + 2r
    D + 3r
    etc…
  • Ventajas: fácil de seleccionar porque se elige a un solo individuo al azar. Podemos obtener una buena precisión porque el método permite que la muestra se distribuya en toda la lista.
  • Desventajas: los datos pueden ser sesgados debido a la periodicidad.
  • Ejemplo
    Estudio de viajes en autobús durante 365 días tomando una muestra de tamaño 60. (n = 365 días y n = 60).
  • Observaciones
    Tenemos una población de 400 personas, queremos una muestra de 100 personas.
    R = 4
    Entonces tenemos 4 muestras posibles
    1, 5, 9,… 397
    2, 6, 10,… 398
    3, 7, 11,… .399
    4, 8, 12,… 400SI La población se distribuye aleatoriamente en la base de la encuesta, un muestreo sistemático dará resultados similares a los de un muestreo aleatorio simple.
    Este método se usa ampliamente en controles de calidad.
    Muestreo con probabilidad proporcional al tamaño.
    Si la base de la encuesta contiene información sobre el tamaño de cada unidad (como el número de médicos en un hospital) y si el tamaño de estas unidades varía, esta información se puede utilizar para aumentar la eficiencia de muestreo.
    Cuanto mayor sea el tamaño de la unidad, más es la posibilidad de ser incluida en la muestra es alta
  • Principio
    1. Subdividimos la población en estratos (grupos relativamente homogéneos) que son mutuamente excluyentes
    2. Proporcionalmente a su importancia en la población, calculamos cuántas personas se necesitan dentro de la muestra para representar cada estrato.
    3. En cada uno de los estratos, el número necesario de individuos es elegir aleatoriamente que las variables de estratificación deben ser fáciles de usar, fáciles de observar y estrechamente vinculadas al tema de la encuesta.
  • Ventajas
    Es poco probable que elija una muestra absurda ya que aseguramos la presencia proporcional de todos los diversos subgrupos que componen la población.
  • Desventajas
    El método supone la existencia de una lista de la población. También debemos saber cómo se distribuye esta población de acuerdo con ciertos estratos.
  • Ejemplo
    Elija mediante muestras de muestras de 10 estudiantes en un grupo de 60, teniendo en cuenta que el 50% de ellos están en CP, 30% en CE1 y 20% en CE2.
  • Estimar
    Muestreo aleatorio simple en intraustrate
  • Aplicación digital Tenemos 1060 hospitales. Estamos interesados ​​en el número promedio de médicos por hospital. La población se define por 5 estratos por tamaño de rodajas de acuerdo con el número de médicos. Esta información se obtiene de los documentos de APHP que no dan el número exacto de médicos sino solo el borde del tamaño. Al realizar una encuesta aleatoria simple en cada stratum H de acuerdo con un presupuesto que permite investigar en general 300 hospitales, medimos YH y la dispersión SH2 del número variable de médicos en la muestra de los hospitales dibujados. Las asignaciones del estrato se dan en la última columna de la tabla. ¿Cuál es el estimador y y cuál es su precisión?
  • Principio En métodos anteriores, la unidad estadística se eligió individualmente.
    La técnica de muestreo de grupos conduce a la división de la población a grupos o grupos.
    Seleccionamos aleatoriamente varios grupos (unidades primarias) para representar a la población. Luego seleccionamos a todos los individuos de los grupos elegidos.
  • Ventajas
    El método no requiere una lista global de la población ya que solo los individuos incluidos en el recuento de grupos. Limita la muestra a grupos compactos que reducen los costos de viaje, monitoreo y supervisión.
  • Desventajas
    El método puede conducir a resultados imprecisos (menos precisos que los métodos anteriores) ya que las unidades vecinas tienden a ser iguales. No controla el tamaño final de la muestra.
  • Principio
    Parece el muestreo de grupos, excepto que en este caso tomamos una muestra dentro de cada clúster.
    Esto implica al menos dos grados (pero eso puede ser más) de muestreo: identificamos en primer grado los grupos grandes (unidades primarias), luego en segundo grado, dentro de cada grupo, seleccionamos las unidades (unidades secundarias) que ser parte de la muestra.
  • Ventajas
    La muestra está más concentrada, lo que reduce los costos, no es necesario tener la lista de todas las unidades. El método permite controlar el tamaño de la muestra, en particular por estratificación.
  • Desventajas: precisión de los resultados, tamaño mayor que en el caso de un muestreo aleatorio simple.
  • Principio
    Los datos básicos se recopilan de una muestra de unidad grande, luego, para una submuestra de estas unidades, la recopilación de datos es más detallada.
    Los más comúnmente usan dos fases o muestreo doble. Por lo tanto, en la primera fase consiste en «filtrar» la primera muestra a través de un cuestionario, por ejemplo.
    El muestreo con varias fases es bastante diferente del muestreo durante varios grados, a pesar de las similitudes entre ellas en el plano de su nombre.
    Varias muestras de fases son útiles cuando carece dentro de la encuesta de datos auxiliares que podrían usarse para estratificar a la población o rechazar parte de la población y cuando no tiene un presupuesto insuficiente para recopilar datos de toda la muestra (o al recopilar datos de la Toda la muestra impondría una carga excesiva a los encuestados).
  • para estudios exploratorios;
  • para reducir los costos;
  • Cuando es imposible o no es posible usar el método aleatorio.
  • Muestreo a los ciegos o la conveniencia: Ex.: Disfruta de una muestra de vino.
  • Muestreo para juzgar: este método implica la selección de individuos de acuerdo con la idea que tenemos de la composición de la población. Lo hacemos para las pruebas con grupos objetivo.
  • Muestreo de cuotas: se usa ampliamente en encuestas de opinión y estudios de mercado, especialmente porque no supone una lista de individuos en la población. También hablamos de muestreo LED o por elección razonada. Se les pide a los investigadores que realicen una serie de entrevistas en varios grupos establecidos de acuerdo con el sector geográfico, edad, sexo u otras características… El investigador debe respetar su cuota.
  • Ventajas: menos costosas y más fáciles de hacer.
  • Desventajas: muchas no respuestas; Dificultad para decidir cuando se trata de seleccionar individuos de un grupo de edad abierta (por ejemplo, 65 o más: debe tomar 66 años, 70 años…).
  • Errores debidos a instrumentos de medición
    Un instrumento es fiel si responde exactamente de la misma manera cuando se coloca en dos situaciones idénticas. Ejemplo del termómetro. Se dice que una pregunta clara es fiel cuando todos lo entienden de la misma manera.
    Un instrumento es válido cuando realmente mide lo que se supone que debe medir.
  • Errores debidos a la organización
    Son los errores que se deslizan al recopilar datos.
    ¿Se han respetado las instrucciones?
    ¿Actuaron los investigadores de la misma manera?
    Para evitar estos errores, debe usar los mismos instrumentos, las mismas condiciones.
  • Errores debidos al método de muestreo
    Siempre es necesario verificar, a la luz de los objetivos del estudio estadístico, que el método de muestreo se adapte, en particular, para evitar la representación excesiva de ciertas partes de la población.
  • Errores debidos al fenómeno de no respuesta
    Incluso con el mejor método de muestreo, siempre hay una serie de no respuestas, que pueden empañar la representatividad de la muestra y sacar conclusiones incorrectas.
  • El error de muestreo
    Estudiar una muestra en lugar de otra necesariamente causa un error. Este error llamado error de muestreo es inevitable.
  • ¿Qué es muestreo sin reposición?

    El muestreo aleatorio simple es un proceso en el que cada artículo u objeto en la población tiene la misma posibilidad de ser seleccionado y usar este modelo hay menos posibilidades de ser polarizado hacia algunos objetos particulares. Hay dos formas de muestreo en este método a) con reemplazo de EB) sin reemplazo.

    En el muestreo con reemplazo, una vez se selecciona un artículo, luego se reemplazará en la población antes de la próxima extracción. De esta manera, el mismo objeto tendrá la misma posibilidad de ser seleccionado en cada extracción.

    La fórmula para «Posibles muestras con reemplazo».

    Hay muchas combinaciones diferentes de objetos que se pueden seleccionar mientras se extrae una muestra de su población.

    Por ejemplo, supongamos que hay un total de 9 jugadores, 3 de los cuales seleccionar ser tomados en un equipo en juego, y los selectores han decidido usar el método de muestra para el reemplazo.

    En este caso, hay una serie de combinaciones en las que los jugadores pueden ser seleccionados, es decir,

    En otras palabras, hay 729 combinaciones diferentes de tres jugadores que pueden ser seleccionados.

    En el muestreo sin reemplazo, una vez se selecciona un artículo, por lo que no se reemplazará en la población. De esta manera, un objeto en particular solo tendrá la posibilidad de ser seleccionado una vez.

    ¿Qué es un muestreo sin reemplazo ejemplos?

    En la mayoría de los casos, esta técnica flexible ofrece el mejor método para reemplazar los colores. Dado que las máscaras y los niveles de regulación no son destructivos, puede ajustar libremente los resultados libremente. La opción para colorear, única en su tipo, le permite hacer cambios absolutos (en lugar de relacionarse) con el color, evitando la presencia de tonos con colores originales.

    En el panel de ajuste, haga clic en el icono de sombra/saturación. La selección se convierte en una máscara en el nivel de regulación.

    En el panel Propiedades, cambie los tonos y la configuración de saturación para reemplazar el color del objeto. Si en el nuevo color permanecen tonos del color original, seleccione el color y ajuste la configuración nuevamente. Consulte tonos y saturación regulares.

    Para mantener el contraste, deje la configuración de brillo en cero. Para mantener tanto el contraste como la saturación, aplique al nivel de regulación del modo de fusión de sombra.

    El cuadro de diálogo de reemplazo de color contiene herramientas para seleccionar colores HSL y un intervalo de cursor para reemplazar el color. También puede elegir el color de reemplazo por medio del selector de color.

    Reemplazar el color no tiene la opción coloreada de la regulación de sombra/saturación, que podría servir para un reemplazo completo del color. Además, para cambiar objetos específicos, el uso de un nivel de regulación puede ser más fácil. Sin embargo, el comando Reemplazar color es útil para los cambios globales, en particular para cambiar los colores fuera del rango para la impresión.

    ¿Qué es muestreo aleatorio simple con reemplazo?

    El muestreo aleatorio simple es la selección aleatoria de individuos/unidades que representan una población particular. En el proceso, cada entidad o individuo tiene posibilidades similares de ser seleccionada como muestra aleatoria para un estudio. Elegir muestras aleatorias asegura una selección imparcial, garantizar el resultado representaría a toda la población y no a individuos con rasgos específicos.

    Para que este método de muestreo sea efectivo, los investigadores o analistas deben tener una lista de todos los miembros de la sociedad/población. Siempre hay posibilidades de errores cuando los usuarios eligen muestras aleatorias simples. Los investigadores pueden terminar eligiendo muestras que podrían ser una representación precisa de una porción particular solamente y no de toda la población.

    Esta varianza más o menos conduce al error de muestreo, afectando todo el estudio y conduciendo a inferencias engañosas. Cuando los usuarios tienen una lista de todos los miembros de la población para ser estudiados, las posibilidades de errores se reducen. Sin embargo, no es posible rastrear cada unidad de la población. Como resultado, la inferencia o conclusión se vuelve poco confiable.

    Observar aquí es que cuanto más sea el número de muestras, mejor y más precisos son los resultados.

    No existe una fórmula de muestreo aleatorio simple para seleccionar el subconjunto para realizar un estudio. En cambio, los usuarios consideran usar dos métodos para realizar un muestreo aleatorio: el método de lotería y el uso de números aleatorios.

    El método de lotería es el método de muestreo aleatorio simple más antiguo donde los usuarios asignan a cada objeto en la población que sigue un número sistemáticamente. Escriben los números en papel y mezclan las fichas en una caja. Los usuarios sacan las fichas al azar de la caja, y cualquier número que contengan, los participantes con ese número asignado se convierten en muestras para el estudio.

    ¿Qué es el muestreo aleatorio con reemplazo?

    En la sección anterior, todas las muestras que seleccionamos fueron sin reemplazo. Es decir, una vez que se seleccionó una observación del conjunto de datos, no se pudo seleccionar nuevamente. Ahora, investigaremos cómo tomar muestras aleatorias con reemplazo. Es decir, si se selecciona una observación una vez, no evita que se seleccione nuevamente.

    El siguiente código ilustra cómo usar el paso de datos para seleccionar aleatoriamente una muestra aleatoria de tamaño exacto con reemplazo. Específicamente, el programa utiliza la función RanUni junto con la opción Point = de la instrucción establecida para decirle a SAS que muestree al azar exactamente 15 de las 50 observaciones del correo permanente del conjunto de datos SAS:

    Lanzar y ejecutar el programa SAS. Luego, revise el resultado resultante para convencerse de que el código realmente seleccionó una muestra de 15 observaciones del conjunto de datos de correo.

    La clave para comprender cómo funciona este código es comprender cuál es la expresión:

    elegir = int (ranuni (58)*n) + 1

    logra. Como saben, Ranuni (58) le dice a SAS que use una semilla inicial de 58 para generar un número aleatorio uniforme entre 0 y 1. En aras del ejemplo, suponga que SAS genera el número 0.99. Luego, el valor de elección se convierte en 50 como se calcula aquí:

    elegir = int (0.99*50) + 1 = int (49.5) + 1 = 49 + 1 = 50

    Y, si SAS genera el número 0.01, el valor de elección se convierte en 1 como se calcula aquí:

    elegir = int (0.01*50) + 1 = int (0.5) + 1 = 0 + 1 = 1

    ¿Qué es muestreo aleatorio simple sin reemplazo?

    Consideramos una escuela con 1000 estudiantes y suponemos que un investigador quiere seleccionar 100 para más estudios. Todos sus nombres se pueden poner en un balde y luego se pueden extraer 100 nombres. Cada persona no solo tiene la misma probabilidad de ser seleccionada, sino que también podemos calcular fácilmente la probabilidad (P) de que se elige a una persona determinada, ya que conocemos el tamaño de la muestra (n) y la población (n):

    1. En caso de que cierta persona solo se pueda seleccionar una vez (es decir, después de la selección, una persona se retira del grupo de selección):

    Esto significa que cada estudiante de la escuela tiene en cualquier caso aproximadamente 1 de cada 10 posibilidades para ser seleccionados con este método. Además, cualquier combinación de 100 estudiantes tiene la misma probabilidad de selección.

    Si se introduce un modelo sistemático en un muestreo aleatorio, se habla de «muestreo sistemático (aleatorio)». Un ejemplo podría ser si los estudiantes de la escuela tenían números adjuntos a sus nombres que van desde 0001 a 1000, y elegimos un punto de partida aleatorio, por ejemplo 0533, y luego elegimos cada décimo nombre más tarde para darnos nuestra muestra de 100 (comenzando arriba con 0003 después de llegar al 0993). En este sentido, esta técnica es similar al muestreo de clúster, ya que la elección de la primera unidad determinará el resto. Este ya no es un muestreo aleatorio simple, porque algunas combinaciones de 100 estudiantes tienen una mayor probabilidad de selección que otras, por ejemplo, {3, 13, 23,…, 993} tiene una probabilidad de selección de 1/10, mientras que { 1, 2, 3,…, 100} no se puede seleccionar con este método.

    Artículos Relacionados:

    Related Posts

    Deja una respuesta

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *