Una muestra es una versión más pequeña y manejable de un grupo más grande. Es un subconjunto que contiene las características de una población más grande. Las muestras se usan en pruebas estadísticas cuando los tamaños de población son demasiado grandes para que la prueba incluya todos los miembros o observaciones posibles. Una muestra debe representar a toda la población y no reflejar el sesgo hacia un atributo específico.
En términos básicos, una población es el número total de individuos, animales, elementos, observación, datos, etc. de cualquier sujeto dado. Por ejemplo, a partir de 2017, la población del mundo era de 7.5 mil millones de los cuales 49.6% eran mujeres y 50.4% eran hombres. El número total de personas en cualquier país determinado también puede ser un tamaño de población. El número total de estudiantes en una ciudad puede tomarse como una población, y el número total de perros en una ciudad también es un tamaño de población. Los científicos, investigadores, especialistas en marketing, académicos y cualquier parte relacionada o interesada que intente extraer datos de un grupo encontrará que un tamaño de la población puede ser demasiado grande para monitorear. Considere un equipo de investigadores académicos que desean, por ejemplo, saber el número de estudiantes que estudiaron durante menos de 40 horas para el examen CFA en 2016 y aún se aprobaron. Dado que más de 200,000 personas en todo el año realizan el examen cada año, llegar a todos y cada uno de los participantes del examen podría ser extremadamente tedioso y lento. De hecho, para cuando se han recopilado y analizado los datos de la población, habrían pasado un par de años, lo que hizo que el análisis no valga la pena ya que habría surgido una nueva población.
(1) Orientado a objetivos: un diseño de muestra debe orientarse a objetivos. Se trata de medios y debe orientarse a los objetivos de investigación y ajustarse a las condiciones de la encuesta.
(2) Representante preciso del universo: una muestra debe ser un representante preciso del universo del que se toma. Existen diferentes métodos para seleccionar una muestra. Será verdaderamente representativo solo cuando represente todos los tipos de unidades o grupos en la población total en proporciones justas. En resumen, la muestra debe seleccionarse cuidadosamente ya que el muestreo inadecuado es una fuente de error en la encuesta.
(3) Proporcional: una muestra debe ser proporcional. Debe ser lo suficientemente grande como para representar el universo correctamente. El tamaño de la muestra debe ser lo suficientemente grande como para proporcionar estabilidad o confiabilidad estadística. El tamaño de la muestra debe dar una precisión requerida para un estudio particular.
(4) Selección aleatoria: una muestra debe seleccionarse al azar. Esto significa que cualquier elemento en el grupo tiene una posibilidad total e igualitaria de ser seleccionado e incluido en la muestra. Esto hace que la muestra seleccionada sea verdaderamente representativa de carácter.
¿Qué características debe tener una muestra de laboratorio?
Conocer las cinco características principales de un científico de laboratorio médico exitoso podría ayudar a una persona a decidir si está bien adecuado para esta carrera. Además de tener los talentos académicos y prácticos requeridos en un entorno de laboratorio, una persona que quiere trabajar en un laboratorio como científico médico también debe tener estos cinco rasgos.
La ciencia médica es un campo cada vez mayor. Una persona que quiere trabajar en esta profesión debería tener una pasión interminable por el aprendizaje. Deben estar listos para leer múltiples revistas científicas relevantes de forma regular. El exitoso científico médico también debe estar actualizado sobre nuevas herramientas, equipos y software para su uso en la recolección de muestras, experimentos y análisis. Deberían poder compartir esta pasión con otros, incluidos los estudiantes e investigadores que lideran.
Cuando un científico médico realiza un experimento, debe poder observar pequeños cambios en muestras y resultados. La capacidad de notar una anomalía o diferencia, sin importar cuán pequeña o cuán rara, podría marcar la diferencia en la carrera de una persona. A veces, los descubrimientos importantes se basan en un resultado anómalo o en un pequeño cambio en una muestra. También deben ser expertos en el uso de diferentes herramientas de observación, incluidos microscopios, software de computadora y sistemas de análisis de datos.
Otra de las cinco características de un científico de laboratorio médico exitoso es la comunicación, explica la Oficina de Estadísticas Laborales. Un científico médico debe poder comunicar los resultados de sus experimentos. Es posible que necesiten hacer esto oralmente y en forma escrita. Deberían poder explicar conceptos complejos a una persona que no es científica, como si un periodista entrevistado sobre un artículo que publicaron en una revista científica. Los científicos médicos que también practican médicos deben ser expertos en comunicarse con sus pacientes y explicar los parámetros de los ensayos clínicos u otros estudios científicos que desean que el paciente considere.
El tiempo y los recursos son limitados, especialmente en el laboratorio. El equipo es costoso y un científico médico podría tener que elegir un artículo sobre otro. También pueden tener que decidir cuándo terminar un experimento, especialmente si ha salido mal o no está produciendo resultados útiles. También deben saber cuándo es útil un resultado negativo y qué significa para su estudio. Los científicos médicos deben saber qué preguntas hacer y qué información necesitan para responder esas preguntas.
¿Cuáles son las características de una muestra?
Una buena muestra debe ser representativa de la población que queremos estudiar, y cada ítem tiene las mismas posibilidades de ser elegido al azar para el estudio. Una buena muestra tiene las siguientes características:
Es una herramienta que debe ser perfectamente adecuada para las condiciones de la encuesta y orientada a los objetivos de investigación.
2. Una buena muestra debe ser una representación precisa de todo el universo o población.
Debe incluir la mayoría (si no todas) de las características del universo. En otras palabras, todas las características básicas de la población deben estar presentes en una buena muestra.
El tamaño de la muestra debe ser lo suficientemente grande como para representar adecuadamente a la población, es decir, debe ser lo suficientemente grande como para garantizar la estabilidad o confiabilidad estadística. El tamaño de la muestra debe proporcionar la precisión requerida a los efectos del estudio.
7. La muestra debe permitir la medición del error de muestreo.
En realidad, la representatividad de la muestra y la validez de las conclusiones están fuertemente influenciadas por estos errores. Incluso cuando se usa un muestreo adecuado, una muestra puede no ser exactamente representativa de la población debido a errores de muestreo. Por lo tanto, el investigador debe poder estimar los efectos de estos errores y declarar el porcentaje de precisión de los resultados de su encuesta a los lectores.
8. Una muestra debe ser rentable o económica.
Los objetivos de la encuesta deben cumplirse con el costo y el esfuerzo mínimo.
El diseño de la muestra debe ser lo suficientemente simple como para ser entendido y, seguido en el trabajo de campo.
¿Qué características debe tener una muestra quimica?
Las propiedades químicas de la materia describen su potencial para sufrir algún cambio químico o reacción en virtud de su composición. Los elementos, los electrones y los enlaces que están presentes dan el potencial de la materia para el cambio químico. Es bastante difícil definir una propiedad química sin usar la palabra «cambio». Finalmente, después de estudiar química durante algún tiempo, debería poder mirar la fórmula de un compuesto y establecer algunas propiedades químicas. Por ejemplo, el hidrógeno tiene el potencial de encender y explotar dadas las condiciones correctas: esta es una propiedad química. Los metales en general tienen la propiedad química de reaccionar con un ácido. El zinc reacciona con ácido clorhídrico para producir gas de hidrógeno, esta es una propiedad química.
Una propiedad química del hierro es su capacidad de combinar con oxígeno para formar óxido de hierro, el nombre químico de Rust (figura ( pageIndex {2} )). El término más general para la oxidación y otros procesos similares es la corrosión. Otros términos que se usan comúnmente en las descripciones de los cambios químicos son quemar, pudrirse, explotar, descomponer y fermentar. Las propiedades químicas son muy útiles para identificar sustancias. Sin embargo, a diferencia de las propiedades físicas, las propiedades químicas solo se pueden observar ya que la sustancia está en el proceso de cambiar a una sustancia diferente.
¿Cuál de las siguientes es una propiedad química del hierro?
- El hierro corroe en aire húmedo.
- Densidad = 7.874 g/cm3
- El hierro es suave cuando es puro.
- El hierro se derrite en 1808 K.
«El hierro corroe en el aire húmedo» es la única propiedad química del hierro de la lista.
¿Cuáles son las cualidades de una buena muestra?
1. El diseño de la muestra debe ser una muestra representativa: un investigador selecciona un número relativamente pequeño para una muestra de una población completa. Esta muestra necesita igualar de cerca todas las características de toda la población. Si la muestra utilizada en un experimento es una muestra representativa, ayudará a generalizar los resultados de un grupo pequeño a un universo grande que se está estudiando.
2. El diseño de la muestra debe tener un pequeño error de muestreo: el error de muestreo es el error causado por tomar una muestra pequeña en lugar de toda la población para el estudio. El error de muestreo se refiere a la discrepancia que puede resultar de juzgar todo sobre la base de un pequeño número. El error de muestreo se reduce seleccionando una muestra grande y mediante el uso de estrategias eficientes de diseño y estimación de la muestra.
3. El diseño de la muestra debe ser económicamente viable: los estudios tienen un presupuesto limitado llamado presupuesto de investigación. El muestreo debe hacerse de tal manera que esté dentro del presupuesto de investigación y no demasiado costoso para ser replicado.
4. El diseño de la muestra debe tener sesgo sistemático marginal: sesgo sistemático resulta de errores en los procedimientos de muestreo que no pueden reducirse ni eliminarse aumentando el tamaño de la muestra. La mejor apuesta para los investigadores es detectar las causas y corregirlas.
5. Los resultados obtenidos de la muestra deben ser generalizados y aplicables a todo el universo: el diseño de muestreo debe crearse teniendo en cuenta que muestras que cubre todo el universo del estudio y no se limita a una parte.
¿Cómo hacer una buena muestra?
Esta etapa es crítica cuando se considera cómo probar. Aquí es donde tomas esta pieza genial de audio y lo haces más único, efectivamente, aquí es donde lo haces tuyo.
La forma en que procesas creativamente cada muestra será necesariamente diferente. Debido a esto, es imposible proporcionar una guía paso a paso para esta etapa. Pero, lo que puedo darle es un marco de cómo tomar las decisiones de qué procesamiento creativo aplicar.
Puede aplicar dos tipos de procesamiento en esta etapa: procesamiento de timbre y procesamiento de tiempo. Vamos a desglosarlos.
Piense en esto como un diseño de sonido para sus muestras. Comenzando con su muestra limpia, ¿cómo puede cambiar cómo suena la muestra para que sea algo nuevo?
Tenemos muchas herramientas de modulación geniales a nuestra disposición. Me encanta agregar bridas a los bucles de percusión, coros a muestras mono estancadas y tremolos para dar movimiento frío y bombear a cualquier cosa. No creo que haya mejores complementos para esto que el paquete Soundtoys: Phasemistress, FilterFreak, Tremolator y Panman solo le permitirán manglar y reelaborar muestras al contenido de su corazón.
¿A quién no le encanta un poco de calidez crujiente en sus pistas? Consejo interno aquí: Aplique algo de movimiento (a través de la modulación de la sartén o trémolos) y luego agregue distorsión a las muestras ambientales tonales. Ajuste la cantidad de distorsión para que solo obtenga un poco de crujido esporádicamente en el transcurso de la muestra (es decir, no es todo el tiempo de todo el tiempo). ¿Recuerdas ese video de órgano marino de arriba (ya sabes, este)? Haz este truco al audio de ese video.
¿Qué es una muestra y cuáles son sus tipos?
- El grupo de casos posibles es demasiado grande (por ejemplo, 280 millones de estadounidenses) – costaría demasiado
Y tarda demasiado - No quiero usar los casos: por ejemplo, al probar bombillas para ver cuánto tiempo
Por último, tomas una bombilla y la dejas hasta que se quema. No puedes probar todas las bombillas
De esta manera, porque todo su objetivo es vender las bombillas, no quemarlas. - No es necesario examinar todos los casos: para la mayoría de los fines, tomar una muestra produce un
Estimaciones que son lo suficientemente precisas. - La compensación es que el muestreo introduce algún error. No entrevistaste
todos, por lo que ciertas opiniones o combinaciones de opiniones no se representarán en su
datos. Cuando la población es muy diversa, su muestra no puede incluir todo lo posible
combinaciones de atributos que se encuentran en la población, tales negros y blancos, hombres
y mujeres, pacientes cardíacos no pacientes, mujeres negras, hombres blancos, mujeres blancas con corazón
Problemas a quienes les gusta a Oprah y no le gusta el aliado McBeal, etc. - La población es el universo de los casos. Es el grupo que finalmente quieres
decir algo sobre. Por ejemplo, si quieres informar «en qué piensan los estadounidenses
Clinton ‘, entonces la población es todo estadounidense. - Los elementos son los casos individuales en la población (generalmente, personas)
- La relación de muestreo es el tamaño de la muestra dividida por el tamaño de la población. Contrariamente a
Creencia popular, una gran relación de muestreo no es crucial. - El marco de muestreo es una lista específica de nombres a partir de los cuales serán los elementos de muestra
elegido. La encuesta literaria de resumen en 1936 usó una muestra de 10 millones, extraída de
Listas gubernamentales de propietarios de automóviles y telefónicos. Predicho que Alf Landon vencería
Franklin Roosevelt por un amplio margen. Pero en cambio, Roosevelt ganó por un deslizamiento de tierra. La razón
fue que el marco de muestreo no coincidía con la población. Solo los automóviles de propiedad rica
y teléfonos, y ellos fueron los que favorecieron a Landon. - Reemplazo. El muestreo con reemplazo significa que después de sacar un nombre de
El sombrero y grabarlo, pones el nombre y se puede elegir nuevamente. Muestreo sin
El reemplazo significa que una vez que extrae el nombre, no está disponible para ser elegido nuevamente. - Parcialidad. Errores sistemáticos producidos por su procedimiento de muestreo. Por ejemplo, si
Pruebas a las personas y les preguntas si miran a Ally McBeal, pero el porcentaje siempre
sale demasiado alto (tal vez porque estás entrevistando a tus amigos y a todo tu grupo
realmente le gusta ally mcbeal) - Quien pase por su oficina; ¿Quién está en la calle cuando vienen las tripulaciones de la cámara?
afuera - Si tiene una opción, no use este método. A menudo produce respuestas realmente incorrectas,
Porque ciertos atributos tienden a agruparse con ciertas variables geográficas y temporales.
Por ejemplo, a las 8 am en Nueva York, la mayoría de las personas en la calle son trabajadores que se dirigen a su
trabajos. A las 10 a.m., hay muchas más personas que no trabajan, y la proporción de mujeres es
mucho más alto. A la medianoche, hay jóvenes y asaltantes. - Muestreo al azar dentro de las categorías (por ejemplo, los primeros 5 hombres por venir)
- Es una mejora, pero aún tiene problemas. ¿Cómo sabes qué categorías son clave? Cómo
¿Muchos obtienen de cada categoría? - El juicio de expertos elige casos útiles para el estudio
- Bueno para el trabajo exploratorio y cualitativo y para la prueba previa de un cuestionario.
- Reclutar personas basadas en la recomendación de personas que acaba de entrevistar
- Útil para estudiar poblaciones invisibles/ilegales, como adictos a las drogas
El muestreo de probabilidad es cualquier esquema de muestreo en el que la probabilidad de elegir cada
El individuo es el mismo (o al menos conocido, por lo que puede reajustarse matemáticamente). Estas
También se llaman muestreo aleatorio. Requieren más trabajo, pero son mucho más precisos. Ellos
también permita al investigador calcular la cantidad de error que puede esperar, y esto es
realmente importante.
- El grupo de casos posibles es demasiado grande (por ejemplo, 280 millones de estadounidenses) – costaría demasiado
Y tarda demasiado - No quiero usar los casos: por ejemplo, al probar bombillas para ver cuánto tiempo
Por último, tomas una bombilla y la dejas hasta que se quema. No puedes probar todas las bombillas
De esta manera, porque todo su objetivo es vender las bombillas, no quemarlas. - No es necesario examinar todos los casos: para la mayoría de los fines, tomar una muestra produce un
Estimaciones que son lo suficientemente precisas. - La compensación es que el muestreo introduce algún error. No entrevistaste
todos, por lo que ciertas opiniones o combinaciones de opiniones no se representarán en su
datos. Cuando la población es muy diversa, su muestra no puede incluir todo lo posible
combinaciones de atributos que se encuentran en la población, tales negros y blancos, hombres
y mujeres, pacientes cardíacos no pacientes, mujeres negras, hombres blancos, mujeres blancas con corazón
Problemas a quienes les gusta a Oprah y no le gusta el aliado McBeal, etc. - La población es el universo de los casos. Es el grupo que finalmente quieres
decir algo sobre. Por ejemplo, si quieres informar «en qué piensan los estadounidenses
Clinton ‘, entonces la población es todo estadounidense. - Los elementos son los casos individuales en la población (generalmente, personas)
- La relación de muestreo es el tamaño de la muestra dividida por el tamaño de la población. Contrariamente a
Creencia popular, una gran relación de muestreo no es crucial. - El marco de muestreo es una lista específica de nombres a partir de los cuales serán los elementos de muestra
elegido. La encuesta literaria de resumen en 1936 usó una muestra de 10 millones, extraída de
Listas gubernamentales de propietarios de automóviles y telefónicos. Predicho que Alf Landon vencería
Franklin Roosevelt por un amplio margen. Pero en cambio, Roosevelt ganó por un deslizamiento de tierra. La razón
fue que el marco de muestreo no coincidía con la población. Solo los automóviles de propiedad rica
y teléfonos, y ellos fueron los que favorecieron a Landon. - Reemplazo. El muestreo con reemplazo significa que después de sacar un nombre de
El sombrero y grabarlo, pones el nombre y se puede elegir nuevamente. Muestreo sin
El reemplazo significa que una vez que extrae el nombre, no está disponible para ser elegido nuevamente. - Parcialidad. Errores sistemáticos producidos por su procedimiento de muestreo. Por ejemplo, si
Pruebas a las personas y les preguntas si miran a Ally McBeal, pero el porcentaje siempre
sale demasiado alto (tal vez porque estás entrevistando a tus amigos y a todo tu grupo
realmente le gusta ally mcbeal) - Quien pase por su oficina; ¿Quién está en la calle cuando vienen las tripulaciones de la cámara?
afuera - Si tiene una opción, no use este método. A menudo produce respuestas realmente incorrectas,
Porque ciertos atributos tienden a agruparse con ciertas variables geográficas y temporales.
Por ejemplo, a las 8 am en Nueva York, la mayoría de las personas en la calle son trabajadores que se dirigen a su
trabajos. A las 10 a.m., hay muchas más personas que no trabajan, y la proporción de mujeres es
mucho más alto. A la medianoche, hay jóvenes y asaltantes. - Muestreo al azar dentro de las categorías (por ejemplo, los primeros 5 hombres por venir)
- Es una mejora, pero aún tiene problemas. ¿Cómo sabes qué categorías son clave? Cómo
¿Muchos obtienen de cada categoría? - El juicio de expertos elige casos útiles para el estudio
- Bueno para el trabajo exploratorio y cualitativo y para la prueba previa de un cuestionario.
- Reclutar personas basadas en la recomendación de personas que acaba de entrevistar
- Útil para estudiar poblaciones invisibles/ilegales, como adictos a las drogas
Dibuja al azar cartas del sombrero; En Excel, hay una función para conectar un número aleatorio
a cada celda, luego ordene y tome n más grande)
más fácil matemáticamente)
Porcentaje de encuestados que observan aliados McBeal) que son diferentes de la población
parámetros
Otras palabras, si tomaste 150 muestras diferentes de estadounidenses, cada una de 300 personas y
calculó el porcentaje que, como Ally McBeal, en cada una de las muestras, luego promedió todo
Esos porcentajes juntos, eso debería igualar el porcentaje «real» de todos
A los estadounidenses les gusta el aliado McBeal
aumenta, el promedio de esas muestras converge en el parámetro de población
de la población, dando lugar a intervalos de confianza
Ejemplo. Una empresa de 680 empleados quiere saber si molestar
con instituir un programa para tratar con la toma de drogas de los empleados. Para averiguarlo, lo probarán
Una muestra de empleados en anónimo: si una persona da positivo, la empresa
No sé quién es y no intentará averiguarlo. El objetivo es excluir únicamente lo que
El porcentaje de la empresa podría estar haciendo drogas. Si el porcentaje es lo suficientemente alto, el
La compañía considerará instituir un programa de pruebas de drogas obligatorio. Dado este objetivo,
Un diseño de muestreo aleatorio simple es perfecto: los resultados se generalizarán en general
empresa.
- El grupo de casos posibles es demasiado grande (por ejemplo, 280 millones de estadounidenses) – costaría demasiado
Y tarda demasiado - No quiero usar los casos: por ejemplo, al probar bombillas para ver cuánto tiempo
Por último, tomas una bombilla y la dejas hasta que se quema. No puedes probar todas las bombillas
De esta manera, porque todo su objetivo es vender las bombillas, no quemarlas. - No es necesario examinar todos los casos: para la mayoría de los fines, tomar una muestra produce un
Estimaciones que son lo suficientemente precisas. - La compensación es que el muestreo introduce algún error. No entrevistaste
todos, por lo que ciertas opiniones o combinaciones de opiniones no se representarán en su
datos. Cuando la población es muy diversa, su muestra no puede incluir todo lo posible
combinaciones de atributos que se encuentran en la población, tales negros y blancos, hombres
y mujeres, pacientes cardíacos no pacientes, mujeres negras, hombres blancos, mujeres blancas con corazón
Problemas a quienes les gusta a Oprah y no le gusta el aliado McBeal, etc. - La población es el universo de los casos. Es el grupo que finalmente quieres
decir algo sobre. Por ejemplo, si quieres informar «en qué piensan los estadounidenses
Clinton ‘, entonces la población es todo estadounidense. - Los elementos son los casos individuales en la población (generalmente, personas)
- La relación de muestreo es el tamaño de la muestra dividida por el tamaño de la población. Contrariamente a
Creencia popular, una gran relación de muestreo no es crucial. - El marco de muestreo es una lista específica de nombres a partir de los cuales serán los elementos de muestra
elegido. La encuesta literaria de resumen en 1936 usó una muestra de 10 millones, extraída de
Listas gubernamentales de propietarios de automóviles y telefónicos. Predicho que Alf Landon vencería
Franklin Roosevelt por un amplio margen. Pero en cambio, Roosevelt ganó por un deslizamiento de tierra. La razón
fue que el marco de muestreo no coincidía con la población. Solo los automóviles de propiedad rica
y teléfonos, y ellos fueron los que favorecieron a Landon. - Reemplazo. El muestreo con reemplazo significa que después de sacar un nombre de
El sombrero y grabarlo, pones el nombre y se puede elegir nuevamente. Muestreo sin
El reemplazo significa que una vez que extrae el nombre, no está disponible para ser elegido nuevamente. - Parcialidad. Errores sistemáticos producidos por su procedimiento de muestreo. Por ejemplo, si
Pruebas a las personas y les preguntas si miran a Ally McBeal, pero el porcentaje siempre
sale demasiado alto (tal vez porque estás entrevistando a tus amigos y a todo tu grupo
realmente le gusta ally mcbeal) - Quien pase por su oficina; ¿Quién está en la calle cuando vienen las tripulaciones de la cámara?
afuera - Si tiene una opción, no use este método. A menudo produce respuestas realmente incorrectas,
Porque ciertos atributos tienden a agruparse con ciertas variables geográficas y temporales.
Por ejemplo, a las 8 am en Nueva York, la mayoría de las personas en la calle son trabajadores que se dirigen a su
trabajos. A las 10 a.m., hay muchas más personas que no trabajan, y la proporción de mujeres es
mucho más alto. A la medianoche, hay jóvenes y asaltantes. - Muestreo al azar dentro de las categorías (por ejemplo, los primeros 5 hombres por venir)
- Es una mejora, pero aún tiene problemas. ¿Cómo sabes qué categorías son clave? Cómo
¿Muchos obtienen de cada categoría? - El juicio de expertos elige casos útiles para el estudio
- Bueno para el trabajo exploratorio y cualitativo y para la prueba previa de un cuestionario.
- Reclutar personas basadas en la recomendación de personas que acaba de entrevistar
- Útil para estudiar poblaciones invisibles/ilegales, como adictos a las drogas
Dibuja al azar cartas del sombrero; En Excel, hay una función para conectar un número aleatorio
a cada celda, luego ordene y tome n más grande)
más fácil matemáticamente)
Porcentaje de encuestados que observan aliados McBeal) que son diferentes de la población
parámetros
Otras palabras, si tomaste 150 muestras diferentes de estadounidenses, cada una de 300 personas y
calculó el porcentaje que, como Ally McBeal, en cada una de las muestras, luego promedió todo
Esos porcentajes juntos, eso debería igualar el porcentaje «real» de todos
A los estadounidenses les gusta el aliado McBeal
aumenta, el promedio de esas muestras converge en el parámetro de población
de la población, dando lugar a intervalos de confianza
como hombres y mujeres. Luego muestra al azar dentro de los estratos.
Elija al azar 51 hombres (de la población de todos los hombres) y, por separado, elija 49
hembras. Se garantiza que nuestra muestra tendrá exactamente la proporción correcta de sexos.
La muestra aleatoria puede extrañarlos por completo.
Ejemplo. El vicepresidente de recursos humanos de una gran fabricación es
considerando crear un programa de gestión de estrés para los empleados. Para tener una idea de lo que
tipos de necesidades El programa tendría que satisfacer, entrevistará a una muestra de 50 empleados
primero. Si ella hace una muestra aleatoria simple, es posible que su muestra no incluya ninguna
Representantes de algunos de los departamentos más pequeños, justo por casualidad. Ya que ella sabe que
Los diferentes tipos de trabajos dentro de la empresa producen diferentes tipos de estrés, ella quiere
Obtenga muestras separadas de los trabajadores (que manejan productos químicos peligrosos), los capataces (que
equilibrar los intereses de los trabajadores con la gerencia) y los gerentes (que son
responsable ante los accionistas). Entonces ella usa una muestra aleatoria estratificada.
- El grupo de casos posibles es demasiado grande (por ejemplo, 280 millones de estadounidenses) – costaría demasiado
Y tarda demasiado - No quiero usar los casos: por ejemplo, al probar bombillas para ver cuánto tiempo
Por último, tomas una bombilla y la dejas hasta que se quema. No puedes probar todas las bombillas
De esta manera, porque todo su objetivo es vender las bombillas, no quemarlas. - No es necesario examinar todos los casos: para la mayoría de los fines, tomar una muestra produce un
Estimaciones que son lo suficientemente precisas. - La compensación es que el muestreo introduce algún error. No entrevistaste
todos, por lo que ciertas opiniones o combinaciones de opiniones no se representarán en su
datos. Cuando la población es muy diversa, su muestra no puede incluir todo lo posible
combinaciones de atributos que se encuentran en la población, tales negros y blancos, hombres
y mujeres, pacientes cardíacos no pacientes, mujeres negras, hombres blancos, mujeres blancas con corazón
Problemas a quienes les gusta a Oprah y no le gusta el aliado McBeal, etc. - La población es el universo de los casos. Es el grupo que finalmente quieres
decir algo sobre. Por ejemplo, si quieres informar «en qué piensan los estadounidenses
Clinton ‘, entonces la población es todo estadounidense. - Los elementos son los casos individuales en la población (generalmente, personas)
- La relación de muestreo es el tamaño de la muestra dividida por el tamaño de la población. Contrariamente a
Creencia popular, una gran relación de muestreo no es crucial. - El marco de muestreo es una lista específica de nombres a partir de los cuales serán los elementos de muestra
elegido. La encuesta literaria de resumen en 1936 usó una muestra de 10 millones, extraída de
Listas gubernamentales de propietarios de automóviles y telefónicos. Predicho que Alf Landon vencería
Franklin Roosevelt por un amplio margen. Pero en cambio, Roosevelt ganó por un deslizamiento de tierra. La razón
fue que el marco de muestreo no coincidía con la población. Solo los automóviles de propiedad rica
y teléfonos, y ellos fueron los que favorecieron a Landon. - Reemplazo. El muestreo con reemplazo significa que después de sacar un nombre de
El sombrero y grabarlo, pones el nombre y se puede elegir nuevamente. Muestreo sin
El reemplazo significa que una vez que extrae el nombre, no está disponible para ser elegido nuevamente. - Parcialidad. Errores sistemáticos producidos por su procedimiento de muestreo. Por ejemplo, si
Pruebas a las personas y les preguntas si miran a Ally McBeal, pero el porcentaje siempre
sale demasiado alto (tal vez porque estás entrevistando a tus amigos y a todo tu grupo
realmente le gusta ally mcbeal) - Quien pase por su oficina; ¿Quién está en la calle cuando vienen las tripulaciones de la cámara?
afuera - Si tiene una opción, no use este método. A menudo produce respuestas realmente incorrectas,
Porque ciertos atributos tienden a agruparse con ciertas variables geográficas y temporales.
Por ejemplo, a las 8 am en Nueva York, la mayoría de las personas en la calle son trabajadores que se dirigen a su
trabajos. A las 10 a.m., hay muchas más personas que no trabajan, y la proporción de mujeres es
mucho más alto. A la medianoche, hay jóvenes y asaltantes. - Muestreo al azar dentro de las categorías (por ejemplo, los primeros 5 hombres por venir)
- Es una mejora, pero aún tiene problemas. ¿Cómo sabes qué categorías son clave? Cómo
¿Muchos obtienen de cada categoría? - El juicio de expertos elige casos útiles para el estudio
- Bueno para el trabajo exploratorio y cualitativo y para la prueba previa de un cuestionario.
- Reclutar personas basadas en la recomendación de personas que acaba de entrevistar
- Útil para estudiar poblaciones invisibles/ilegales, como adictos a las drogas
Dibuja al azar cartas del sombrero; En Excel, hay una función para conectar un número aleatorio
a cada celda, luego ordene y tome n más grande)
más fácil matemáticamente)
Porcentaje de encuestados que observan aliados McBeal) que son diferentes de la población
parámetros
Otras palabras, si tomaste 150 muestras diferentes de estadounidenses, cada una de 300 personas y
calculó el porcentaje que, como Ally McBeal, en cada una de las muestras, luego promedió todo
Esos porcentajes juntos, eso debería igualar el porcentaje «real» de todos
A los estadounidenses les gusta el aliado McBeal
aumenta, el promedio de esas muestras converge en el parámetro de población
de la población, dando lugar a intervalos de confianza
como hombres y mujeres. Luego muestra al azar dentro de los estratos.
Elija al azar 51 hombres (de la población de todos los hombres) y, por separado, elija 49
hembras. Se garantiza que nuestra muestra tendrá exactamente la proporción correcta de sexos.
La muestra aleatoria puede extrañarlos por completo.
El elemento individual es demasiado alto
Costaría demasiado dinero para llegar a la mecánica seleccionada al azar en todo el EE. UU.:
tendría que tener un presupuesto de viaje increíble
Lote heterogeneidad dentro, pero sea bastante similar a otros grupos. Por ejemplo, ciudades
Haz buenos grupos.
Dentro de los grupos.
Lista razonablemente precisa de todas las mecánicas en cada una de esas ciudades. También es mucho menos
caro de volar a solo 10 ciudades en lugar de 2000 ciudades.
Elija 10 estudiantes de cada universidad. El problema es que si las universidades tienen un tamaño diferente,
La probabilidad de que una persona sea elegida si es de una gran universidad es menor que
para una pequeña universidad. Por lo tanto, debe elegir una proporción de estudiantes, no un número fijo. O
No elija universidades con igual probabilidad (deje que las grandes escuelas tengan más probabilidades de estar en
la muestra). Esto se llama PSS, proporcional al muestreo de tamaño
Ejemplo. Una vez por trimestre, una gran cadena minorista envía auditores a
Tiendas elegidas al azar para verificar que se realicen procedimientos adecuados. Ellos miran
el diseño físico, las interacciones entre el personal y los clientes, los procedimientos de la trastienda,
y así. Una muestra aleatoria simple podría tener un auditor visitando una tienda de California
Día, un Nueva York al siguiente, luego otra tienda de California, y así sucesivamente. Usando clúster
Muestreo, el auditor primero podría seleccionar una muestra aleatoria de estados, luego visitar un aleatorio
Muestreo de tiendas con cada estado, reduciendo así el tiempo de viaje.
- El grupo de casos posibles es demasiado grande (por ejemplo, 280 millones de estadounidenses) – costaría demasiado
Y tarda demasiado - No quiero usar los casos: por ejemplo, al probar bombillas para ver cuánto tiempo
Por último, tomas una bombilla y la dejas hasta que se quema. No puedes probar todas las bombillas
De esta manera, porque todo su objetivo es vender las bombillas, no quemarlas. - No es necesario examinar todos los casos: para la mayoría de los fines, tomar una muestra produce un
Estimaciones que son lo suficientemente precisas. - La compensación es que el muestreo introduce algún error. No entrevistaste
todos, por lo que ciertas opiniones o combinaciones de opiniones no se representarán en su
datos. Cuando la población es muy diversa, su muestra no puede incluir todo lo posible
combinaciones de atributos que se encuentran en la población, tales negros y blancos, hombres
y mujeres, pacientes cardíacos no pacientes, mujeres negras, hombres blancos, mujeres blancas con corazón
Problemas a quienes les gusta a Oprah y no le gusta el aliado McBeal, etc. - La población es el universo de los casos. Es el grupo que finalmente quieres
decir algo sobre. Por ejemplo, si quieres informar «en qué piensan los estadounidenses
Clinton ‘, entonces la población es todo estadounidense. - Los elementos son los casos individuales en la población (generalmente, personas)
- La relación de muestreo es el tamaño de la muestra dividida por el tamaño de la población. Contrariamente a
Creencia popular, una gran relación de muestreo no es crucial. - El marco de muestreo es una lista específica de nombres a partir de los cuales serán los elementos de muestra
elegido. La encuesta literaria de resumen en 1936 usó una muestra de 10 millones, extraída de
Listas gubernamentales de propietarios de automóviles y telefónicos. Predicho que Alf Landon vencería
Franklin Roosevelt por un amplio margen. Pero en cambio, Roosevelt ganó por un deslizamiento de tierra. La razón
fue que el marco de muestreo no coincidía con la población. Solo los automóviles de propiedad rica
y teléfonos, y ellos fueron los que favorecieron a Landon. - Reemplazo. El muestreo con reemplazo significa que después de sacar un nombre de
El sombrero y grabarlo, pones el nombre y se puede elegir nuevamente. Muestreo sin
El reemplazo significa que una vez que extrae el nombre, no está disponible para ser elegido nuevamente. - Parcialidad. Errores sistemáticos producidos por su procedimiento de muestreo. Por ejemplo, si
Pruebas a las personas y les preguntas si miran a Ally McBeal, pero el porcentaje siempre
sale demasiado alto (tal vez porque estás entrevistando a tus amigos y a todo tu grupo
realmente le gusta ally mcbeal) - Quien pase por su oficina; ¿Quién está en la calle cuando vienen las tripulaciones de la cámara?
afuera - Si tiene una opción, no use este método. A menudo produce respuestas realmente incorrectas,
Porque ciertos atributos tienden a agruparse con ciertas variables geográficas y temporales.
Por ejemplo, a las 8 am en Nueva York, la mayoría de las personas en la calle son trabajadores que se dirigen a su
trabajos. A las 10 a.m., hay muchas más personas que no trabajan, y la proporción de mujeres es
mucho más alto. A la medianoche, hay jóvenes y asaltantes. - Muestreo al azar dentro de las categorías (por ejemplo, los primeros 5 hombres por venir)
- Es una mejora, pero aún tiene problemas. ¿Cómo sabes qué categorías son clave? Cómo
¿Muchos obtienen de cada categoría? - El juicio de expertos elige casos útiles para el estudio
- Bueno para el trabajo exploratorio y cualitativo y para la prueba previa de un cuestionario.
- Reclutar personas basadas en la recomendación de personas que acaba de entrevistar
- Útil para estudiar poblaciones invisibles/ilegales, como adictos a las drogas
Dibuja al azar cartas del sombrero; En Excel, hay una función para conectar un número aleatorio
a cada celda, luego ordene y tome n más grande)
más fácil matemáticamente)
Porcentaje de encuestados que observan aliados McBeal) que son diferentes de la población
parámetros
Otras palabras, si tomaste 150 muestras diferentes de estadounidenses, cada una de 300 personas y
calculó el porcentaje que, como Ally McBeal, en cada una de las muestras, luego promedió todo
Esos porcentajes juntos, eso debería igualar el porcentaje «real» de todos
A los estadounidenses les gusta el aliado McBeal
aumenta, el promedio de esas muestras converge en el parámetro de población
de la población, dando lugar a intervalos de confianza
como hombres y mujeres. Luego muestra al azar dentro de los estratos.
Elija al azar 51 hombres (de la población de todos los hombres) y, por separado, elija 49
hembras. Se garantiza que nuestra muestra tendrá exactamente la proporción correcta de sexos.
La muestra aleatoria puede extrañarlos por completo.
El elemento individual es demasiado alto
Costaría demasiado dinero para llegar a la mecánica seleccionada al azar en todo el EE. UU.:
tendría que tener un presupuesto de viaje increíble
Lote heterogeneidad dentro, pero sea bastante similar a otros grupos. Por ejemplo, ciudades
Haz buenos grupos.
Dentro de los grupos.
Lista razonablemente precisa de todas las mecánicas en cada una de esas ciudades. También es mucho menos
caro de volar a solo 10 ciudades en lugar de 2000 ciudades.
Elija 10 estudiantes de cada universidad. El problema es que si las universidades tienen un tamaño diferente,
La probabilidad de que una persona sea elegida si es de una gran universidad es menor que
para una pequeña universidad. Por lo tanto, debe elegir una proporción de estudiantes, no un número fijo. O
No elija universidades con igual probabilidad (deje que las grandes escuelas tengan más probabilidades de estar en
la muestra). Esto se llama PSS, proporcional al muestreo de tamaño
aumenta muy lentamente después de este punto)
preciso.
¿Qué es la característica de la muestra o población que se está observando?
La principal diferencia entre una población y una muestra tiene que ver con cómo
Las observaciones se asignan al conjunto de datos.
Dependiendo del método de muestreo, una muestra puede tener menos observaciones que
la población, el mismo número de observaciones, o más observaciones.
Se puede derivar más de una muestra de la misma población.
Otras diferencias tienen que ver con la nomenclatura, la notación y los cálculos.
Por ejemplo,
- Una característica medible de una población, como un
media o
desviación estándar, se llama parámetro; pero
Una característica medible de una muestra se llama
estadística. - Veremos en futuras lecciones que la media de un
La población se denota por el símbolo μ; pero la media de una muestra se denota
por el símbolo x. - También aprenderemos en futuras lecciones
que la fórmula para la desviación estándar de una población es diferente de
La fórmula para la desviación estándar de una muestra.
Un método de muestreo
es un procedimiento para seleccionar elementos de muestra de una población.
El muestreo aleatorio simple se refiere a un método de muestreo que tiene el
Propiedades siguientes.
- Una característica medible de una población, como un
media o
desviación estándar, se llama parámetro; pero
Una característica medible de una muestra se llama
estadística. - Veremos en futuras lecciones que la media de un
La población se denota por el símbolo μ; pero la media de una muestra se denota
por el símbolo x. - También aprenderemos en futuras lecciones
que la fórmula para la desviación estándar de una población es diferente de
La fórmula para la desviación estándar de una muestra.
objetos.
objetos.
Un beneficio importante del muestreo aleatorio simple es que permite a los investigadores usar
Métodos estadísticos para analizar los resultados de la muestra. Por ejemplo, dado un simple aleatorio
muestra, los investigadores pueden usar métodos estadísticos para definir un
Intervalo de confianza alrededor de una media de muestra. Estadístico
El análisis no es apropiado cuando se utilizan métodos de muestreo no aleatorio.
¿Qué características debe tener la muestra de una población?
En el acuerdo de páginas web para este curso,Esta página no presenta material nuevo.
Se proporciona aquí
Porque después de comenzar a hablar seriamente
muestras versus poblaciones,
tiene sentido revisar cómo nombramos y aplicamos
Ciertas medidas descriptivas.
Distinguimos entre la población y las características de la muestra
refiriéndose a las características de la población como parámetros de población
y características de muestra como estadísticas de muestra.
Por lo tanto, la media de una población es un parámetro de eso
población, pero la media de una muestra es una estadística
de esa muestra.
Más allá de esa distinción
No hay diferencia en el nombre o la computación
Para el
modo de medidas, la mediana,
el rango y los cuartiles.
La media de una población, μ, tiene
un símbolo diferente de el utilizado para la media de una muestra,
,
Sin embargo, el cálculo de cada uno es el mismo.
La desviación estándar tiene ambos
diferentes símbolos, σ para una población
y sx para una muestra, y
una fórmula ligeramente diferente.
Estas diferencias se presentan en la siguiente tabla.
La Figura 1 contiene la imagen de la consola de ejecutar los comandos:
gnrnd4 (clave1 = 740587104, clave2 = 0002300357) L1 media (L1) Resumen (L1)
Los valores en la Tabla 1, y ahora en L1 en
nuestra sesión R, podría ser una población o podrían ser
una muestra. En cualquier caso, la media de comando (L1)
muestra el valor de la media de esos
valores. Si la Tabla 1 representa un
población entonces diríamos
μ = 356.375 Pero si son esos
el valor representa una muestra y luego diríamos
= 356.375.
¿Cómo se llama la característica o fenómeno de una población o muestra que será estudiada?
- La prevalencia es la proporción de una población que tiene una característica específica en un período de tiempo dado.
- Para estimar la prevalencia, los investigadores seleccionan aleatoriamente una muestra (grupo más pequeño) de toda la población que desean describir. El uso de métodos de selección aleatoria aumenta las posibilidades de que las características de la muestra sean representativas de (similar a) las características de la población.
- Para una muestra representativa, la prevalencia es el número de personas en la muestra con la característica de interés, dividida por el número total de personas en la muestra.
# de personas en muestra con características Prevalencia = ━━━━━━━━━━━━━━━━━━━ Total # de personas en muestra
- La prevalencia es la proporción de una población que tiene una característica específica en un período de tiempo dado.
- Para estimar la prevalencia, los investigadores seleccionan aleatoriamente una muestra (grupo más pequeño) de toda la población que desean describir. El uso de métodos de selección aleatoria aumenta las posibilidades de que las características de la muestra sean representativas de (similar a) las características de la población.
- Para una muestra representativa, la prevalencia es el número de personas en la muestra con la característica de interés, dividida por el número total de personas en la muestra.
Artículos Relacionados:
