Hay dos tipos de técnicas de muestreo; Muestreo de probabilidad y muestreo no probabilidad. Si bien puede calcular la probabilidad de que un miembro de la población que se seleccione en el muestreo de probabilidad, es imposible en el muestreo no probabilidad.
Por ejemplo, un investigador puede calcular que un miembro tiene un 10% de posibilidades de ser seleccionado para participar en el estudio, mientras que otro tiene el 35%.
Pero en el muestreo no probabilidad, cada miembro tiene la misma posibilidad de ser seleccionado a pesar de que no se garantiza la posibilidad de participación.
En este artículo, vamos a discutir el concepto de muestreo no probabilidad, sus ventajas y desventajas, y dónde se puede usar.
El muestreo no probabilidad se define como un método de muestreo en el que las muestras se seleccionan de acuerdo con el juicio subjetivo del investigador en lugar de a través del muestreo aleatorio. A diferencia del muestreo de probabilidad, cada miembro de la población objetivo tiene la misma posibilidad de ser seleccionado como participante en la investigación porque no puede calcular la probabilidad de seleccionar a nadie.
El muestreo no probabilidad se usa comúnmente en la investigación cualitativa o exploratoria y se realiza mediante observación.
Esto se debe a que el muestreo no probabilidad es una técnica menos difícil y el resultado depende en gran medida de la experiencia del investigador.
Los investigadores también utilizan esta técnica de muestreo para ahorrar costos o tiempo, especialmente cuando es imposible usar muestreo de probabilidad aleatoria.
¿Qué características tiene el muestreo probabilístico y no probabilistico?
El muestreo no probabilidad es un método de muestreo que utiliza criterios no aleatorios como la disponibilidad, la proximidad geográfica o el conocimiento experto de las personas que desea investigar para responder una pregunta de investigación.
El muestreo no probabilidad se usa cuando los parámetros de la población son desconocidos o no es posible identificar individualmente. Por ejemplo, los visitantes de un sitio web que no requieren que los usuarios creen una cuenta podrían formar parte de una muestra de no probabilidad.
- En el muestreo no probabilidad, cada unidad en su población objetivo no tiene las mismas posibilidades de ser incluida. Aquí, puede formar su muestra utilizando otras consideraciones, como la conveniencia o una característica particular.
- En el muestreo de probabilidad, cada unidad en su población objetivo debe tener las mismas posibilidades de selección.
El muestreo de conveniencia se determina principalmente por conveniencia para el investigador.
- En el muestreo no probabilidad, cada unidad en su población objetivo no tiene las mismas posibilidades de ser incluida. Aquí, puede formar su muestra utilizando otras consideraciones, como la conveniencia o una característica particular.
- En el muestreo de probabilidad, cada unidad en su población objetivo debe tener las mismas posibilidades de selección.
Las muestras de conveniencia a veces se denominan «muestras accidentales», porque los participantes pueden ser seleccionados para la muestra simplemente porque están cerca cuando el investigador realiza la recopilación de datos.
En muestreo de cuotas, selecciona un número o proporción predeterminado de unidades, llamada cuota. Su cuota debe comprender subgrupos con características específicas (por ejemplo, individuos, casos u organizaciones) y debe seleccionarse de manera no aleatoria.
¿Cuáles son las características de muestreo probabilístico?
Hay tres tipos de técnica de muestreo de probabilidad que puede usar al hacer una disertación a nivel de pregrado y maestro: muestreo aleatorio simple, muestreo aleatorio sistemático y muestreo aleatorio estratificado.
Para tener una idea de cuáles son estos tres tipos de técnica de muestreo de probabilidad, imagine que un investigador quiere comprender más sobre los objetivos profesionales de los estudiantes en una sola universidad. Digamos que la universidad tiene aproximadamente 10,000 estudiantes. Estos 10,000 estudiantes son nuestra población (N). Cada uno de los 10,000 estudiantes se conoce como unidad (aunque a veces se usan otros términos para describir una unidad; ver muestreo: lo básico). Para seleccionar una muestra (n) de estudiantes de esta población de 10,000 estudiantes, podríamos elegir usar muestreo aleatorio simple, muestreo aleatorio sistemático y muestreo aleatorio estratificado:
Con un muestreo aleatorio simple, existe la misma oportunidad (probabilidad) de que cada uno de los 10,000 estudiantes pueda ser seleccionado para su inclusión en nuestra muestra. Si nuestro tamaño de muestra deseado fuera alrededor de 200 estudiantes, seleccionaría 200 estudiantes al azar, probablemente usando tablas de números aleatorios. Para comprender más sobre el muestreo aleatorio simple, cómo crear una muestra aleatoria simple y las ventajas y desventajas de esta técnica de muestreo de probabilidad, consulte el artículo: muestreo aleatorio simple.
La muestra aleatoria sistemática es una variación en la muestra aleatoria simple. Al igual que el muestreo aleatorio simple, existe la misma oportunidad (probabilidad) de que cada uno de los 10,000 estudiantes pueda ser seleccionado para su inclusión en nuestra muestra. Si bien generalmente usa tablas de números aleatorios para seleccionar la primera unidad para su inclusión en su muestra, las unidades restantes se seleccionan de manera ordenada (por ejemplo, cada noveno estudiante). Para comprender más sobre el muestreo aleatorio sistemático, cómo crear una muestra aleatoria sistemática y las ventajas y desventajas de esta técnica de muestreo de probabilidad, consulte el artículo: muestreo aleatorio sistemático.
¿Qué son los muestreos probabilísticos?
Cuando en un método de muestreo, todos los individuos del universo no son la misma oportunidad de formar parte de la muestra, se dice que el método es un muestreo no probabilístico. Con esta técnica como tal, no hay probabilidad conectada con la unidad de la población y la selección se basa en el juicio subjetivo del investigador. Por lo tanto, las conclusiones tomadas de la muestra no pueden deducirse de la muestra a toda la población. Los métodos de muestreo no probabilísticos se enumeran a continuación:
- Practicidad de muestreo
- Muestreo de las acciones
- Muestreo de juicio o propósito
- Muestreo de bolas de nieve
Las diferencias significativas entre el muestreo de probabilidad y el muestreo no probabilístico
- Practicidad de muestreo
- Muestreo de las acciones
- Muestreo de juicio o propósito
- Muestreo de bolas de nieve
Si bien el muestreo probabilístico se basa en el principio de aleatorización en el que cada entidad tiene una buena probabilidad de ser parte de la muestra, el muestreo no probabilístico se basa en el supuesto de que las características se distribuyen de manera uniforme dentro de la población, lo que lo hace Cree en una muestra que cualquier muestra así seleccionada representaría a toda la población y los resultados diseñados serían precisos.
¿Cuándo se usa un muestreo no probabilístico?
Prácticas actuales para administrar el sesgo en las encuestas en línea no probabilísticas
La forma más común de reclutamiento consiste en invitar a las personas a adherirse a los paneles. El panel ofrece la oportunidad de recopilar una gran cantidad de información sobre el perfil de sus miembros. La principal alternativa al panel es el muestreo en Fiume, en el que los posibles entrevistados se reclutan a través de fuentes similares, pero están destinadas a una investigación única en lugar de un grupo a largo plazo. El muestreo del río no proporciona datos de antemano sobre los perfiles de los encuestados. Ambas muestras enfrentan una amenaza para el requisito de positividad porque las personas que no usan Internet no pueden participar. Obtener una amplia gama de entrevistados potenciales es fundamental para el éxito de cualquier método de reclutamiento, y se ha visto que los entrevistados reclutados a través de diferentes sitios web pueden exhibir distribuciones demográficas extremadamente diferentes (y otras características). El reclutamiento de una serie diversificada de fuentes mejora la probabilidad de satisfacer el requisito de positividad; Sin embargo, la complejidad del proceso de admisión también aumenta, creando potencialmente una compensación entre positividad e intercambiabilidad. Hasta la fecha, la gran mayoría de la investigación sobre encuestas no probabilísticas se ha basado en datos de panel en línea, pero en este momento no hay suficiente búsqueda para recomendar un método para reclutar al otro.
Las investigaciones no probabilísticas generalmente se basan en la selección destinada a obtener la composición de la muestra deseada mientras la recopilación de datos está en progreso. Esto generalmente se alcanza a través de las acciones, en las que el investigador construye una distribución particular a través de una o más variables. Por lo general, estas son células definidas por una clasificación cruzada de características demográficas como el sexo por edad, con cada celda que requiere un número específico de entrevistas completadas dentro de esa categoría. El resultado final es una muestra que corresponde a la distribución prepecificada entre las variables elegidas. El uso de las acciones se basa en la suposición de que los individuos incluidos en cada acción son intercambiables con no ameague que comparten estas características. Si se cumple esta hipótesis, la muestra tendrá la composición correcta en las variables de confusión, lo que permite la estimación de los promedios y proporciones que generalizan la población objetivo. Sin embargo, existe un consenso creciente sobre el hecho de que las variables demográficas básicas como la edad, el sexo, la raza y la educación son insuficientes para lograr la interscambiabilidad. Los métodos de muestreo que permiten a los investigadores controlar diferentes tamaños pueden mejorar la capacidad de condicionar una serie más apropiada de posibles factores de confusión.
1. Combinación usando distancias como la euclidiana
Artículos Relacionados:
- 5 tipos de muestreo no probabilistico que puedes utilizar en tu investigación
- Ventajas del muestreo no probabilistico: guía completa
- Ejemplo de muestreo no probabilístico: Muestreo aleatorio simple
- Metodologías de muestreo no probabilístico: guía completa
- 5 características del muestreo no probabilístico que todo investigador debería conocer
