El muestreo no probabilidad representa un grupo de técnicas de muestreo que ayudan a los investigadores a seleccionar unidades de una población que les interesa estudiar. Colectivamente, estas unidades forman la muestra que estudia el investigador [ver nuestro artículo, muestreo: lo básico, para aprender más sobre términos como la unidad, la muestra y la población]. Una característica central de las técnicas de muestreo no probabilidad es que las muestras se seleccionan en función del juicio subjetivo del investigador, en lugar de la selección aleatoria (es decir, métodos probabilísticos), que es la piedra angular de las técnicas de muestreo de probabilidad. Si bien algunos investigadores pueden ver las técnicas de muestreo no probabilidad como inferiores a las técnicas de muestreo de probabilidad, existen fuertes razones teóricas y prácticas para su uso. Este artículo analiza los principios del muestreo no probabilidad y establece brevemente los tipos de técnica de muestreo no probabilidad discutida en detalle en otros artículos dentro de este sitio. El artículo se divide en dos secciones: Principios de muestreo no probabilidad y tipos de muestreo no probabilidad:
Existen razones teóricas y prácticas para usar muestreo no probabilidad. Además, debe decidir si el muestreo no probabilidad es apropiado en función de la estrategia de investigación que ha elegido para guiar su disertación.
El muestreo no probabilidad representa un valioso grupo de técnicas de muestreo que se pueden utilizar en una investigación que sigue a los métodos cualitativos y mixtos e incluso diseños de investigación cuantitativa.
A pesar de esto, para los investigadores que siguen un diseño de investigación cuantitativa, las técnicas de muestreo no probabilidad a menudo se pueden ver como una alternativa inferior a las técnicas de muestreo de probabilidad. Las técnicas de muestreo no probabilidad a menudo se pueden ver de tal manera porque las unidades no se seleccionan para su inclusión en una muestra basada en la selección aleatoria, a diferencia de las técnicas de muestreo de probabilidad. Como resultado, los investigadores que siguen un diseño de investigación cuantitativa a menudo sienten que se ven obligados a utilizar técnicas de muestreo no probabilidad debido a cierta incapacidad para utilizar el muestreo de probabilidad (por ejemplo, la falta de acceso a una lista de la población que se está estudiando). Sin embargo, este no es el caso para los investigadores después de un diseño de investigación cualitativa.
Al seguir un diseño de investigación cualitativa, las técnicas de muestreo no probabilidad, como el muestreo intencional, pueden proporcionar a los investigadores razones teóricas fuertes para su elección de unidades (o casos) que se incluyan en su muestra. En lugar de utilizar métodos probabilísticos (es decir, selección aleatoria) para generar una muestra, el muestreo no probabilidad requiere que los investigadores usen sus juicios subjetivos, aprovechando la teoría (es decir, la literatura académica) y la práctica (es decir, la experiencia del investigador y el Naturaleza evolutiva del proceso de investigación). A diferencia del muestreo de probabilidad, el objetivo no es lograr la objetividad en la selección de muestras, o necesariamente intentar hacer generalizaciones (es decir, inferencias estadísticas) de la muestra que se estudia a la población más amplia de interés. En cambio, los investigadores que siguen un diseño de investigación cualitativa tienden a estar interesados en las complejidades de la muestra que se está estudiando. Si bien hacer generalizaciones de la muestra a la población en estudio puede ser deseable, a menudo es una consideración secundaria. Incluso si esto se desea, hay problemas adicionales de sesgo y transferibilidad (o validez) [consulte la sección sobre calidad de la investigación para obtener más información sobre estrategias de investigación, técnicas de muestreo y sesgo].
El muestreo no probabilidad a menudo se usa porque los procedimientos utilizados para seleccionar unidades para su inclusión en una muestra son mucho más fáciles, más rápidos y más baratos en comparación con el muestreo de probabilidad. Este es especialmente el caso para el muestreo de conveniencia. Para los estudiantes que realizan disertaciones a nivel de pregrado y maestría, tales prácticos a menudo conducen al uso de técnicas de muestreo no probabilidad.
¿Cuál es la característica principal de los muestreos probabilísticos?
Las muestras de probabilidad son el pilar de la investigación moderna de la encuesta porque permiten al investigador controlar el margen de error. Las muestras de probabilidad, perfectamente construidas e implementadas, todas las demás cosas son iguales, producen estimaciones imparciales. Sin embargo, rara vez es el caso de que la construcción y la implementación son perfectas, y cuando no son el potencial de sesgo. El sesgo es la diferencia entre el valor de la población que se supone que debe estimarse y el valor de la población que realmente se estima. Hay dos fuentes comunes de sesgo que generalmente se discuten con respecto al muestreo. Una fuente común de sesgo emerge del uso de un marco de muestra que no cubre completamente las unidades en la población (el problema de subconjería). La segunda fuente común se produce a partir de la falla de obtener datos de cada uno de los elementos seleccionados en la muestra (el problema de no respuesta).
Las muestras se seleccionan generalmente de listas de unidades que abarcan a toda la población (o mediante el uso de una técnica de aproximación si no hay dicha lista disponible). Esta lista se llama marco de muestra, y a menudo solo representa imperfectamente a la población. En parte, esto se debe a que las poblaciones son dinámicas, mientras que los marcos de muestra son estáticos. Por ejemplo, una lista de todas las pequeñas empresas en el país que uno podría construir hoy podría estar desactualizado mañana si un nuevo negocio comenzara o una finalización existente. Hay métodos para actualizar los marcos de muestra, pero incluso en las mejores circunstancias, es poco probable que un marco de muestra sea una lista completa de todos los elementos en una población. En la medida en que un marco de muestra cubra a la población completamente o casi por completo, existe la esperanza de obtener estimaciones imparciales de los valores de la población de una muestra diseñada adecuadamente. En la medida en que exista una subconta sustancial, es decir, falta un número sustancial de elementos de la población en el marco de la muestra, puede haber sesgo en las estimaciones de la encuesta.
Se observa un ejemplo de encubrimiento del marco de muestra en el muestreo de la encuesta telefónica. Hay técnicas disponibles para obtener una buena aproximación de todos los números de teléfono posibles en un área geográfica o incluso en todo el país. Sin embargo, si los números de teléfono se utilizarán como marco de muestra, los hogares sin teléfonos no tendrán posibilidades de ser representados en una muestra seleccionada de ese marco de muestra. Las estimaciones de la encuesta serán de la población de hogares que tienen teléfonos. En la medida en que esta población difiere de la población de hogares sin teléfonos, la estimación estará sesgada. El encubrimiento es una fuente potencial de sesgo en las estimaciones de la encuesta, pero no es necesario que sea una fuente grave. Si el encubrimiento es pequeño, por ejemplo, en una comunidad media a grande en la que el 98% de los hogares tienen teléfonos, es probable que la cantidad de sesgo en la información sea pequeña. Si solo el 50% de los hogares en un área tienen teléfonos, el sesgo en la información recopilada de una encuesta telefónica tiene el potencial de ser grande, y no se recomendaría la metodología de la encuesta telefónica. Si es el caso de que los elementos no están representados en el marco de la muestra por razones aleatorias, es poco probable que la subconta produzca sesgo; Sin embargo, este generalmente no es el caso.
Otra falla común que conduce al sesgo es la incapacidad de recopilar información de algunas de las unidades seleccionadas. Por ejemplo, en una encuesta confidencial realizada en una corporación, algunos empleados seleccionados en la muestra pueden optar por no participar. La falta de recopilación de información de unidades seleccionadas en la encuesta se expresa como la tasa de no respuesta. La tasa de no respuesta es el número de individuos (o escuelas u otras organizaciones) que se negaron a participar en la encuesta (o no podrían ubicarse) dividido por el número total de individuos (o escuelas/organizaciones) seleccionadas en la muestra. La tasa de respuesta es el número de encuestas completadas divididas por el número total en la muestra. Las altas tasas de no respuesta pueden conducir a un sesgo significativo en las estimaciones de la encuesta. Por lo tanto, es importante conocer la tasa de respuesta de la encuesta al evaluar la calidad de sus resultados.
¿Qué es el muestreos probabilísticos?
Anne tiene experiencia en investigación científica y escritura. Tiene un título de posgrado en nutrición (microbioma intestinal y microbiología nutricional) y títulos de pregrado en microbiología (inmunología y microbiología médica) e inglés (mito y folklore). También ha trabajado como educadora de Ocean & Earth Science.
Si un científico quiere investigar sobre una población específica, no suele ser posible estudiar y recopilar datos sobre cada individuo en esa población. En un estudio en humanos, por ejemplo, algunas personas no tendrían interés en participar, mientras que otras serían difíciles o incluso imposibles de alcanzar. Sin mencionar el costo exorbitante, el tiempo, la dificultad y la logística de tratar de contactar e incluir a todas las personas en una población completa en un estudio de investigación. El muestreo de probabilidad se puede aplicar a poblaciones humanas, poblaciones animales, ecosistemas, economía, publicidad y más. El propósito del muestreo de probabilidad es producir un método de investigación que pueda estudiar con precisión y de manera justa una población cuando los datos sobre cada persona en esa población no se pueden recopilar.
El muestreo de probabilidad se define como una metodología de investigación en la que los investigadores seleccionan aleatoriamente un número limitado de personas de una población objetivo y usan datos de esas personas seleccionadas para generalizar a la población en su conjunto. Fuera de la población objetivo, la metodología de muestreo está diseñada para que cada individuo tenga la misma oportunidad o probabilidad de ser seleccionado para el estudio de investigación.
- Reduce la probabilidad de sesgo de muestreo, lo que sucederá si un investigador elige deliberadamente a los participantes del estudio.
- Es aleatorio porque la muestra de la población objetivo es elegida indiscriminadamente por un selector no sesgado, como una computadora que genera números aleatorios.
- Le da a cada individuo dentro de la población objetivo la misma probabilidad de ser seleccionado para el estudio.
- Proporciona datos razonablemente precisos porque la muestra seleccionada está diseñada para representar a toda la población, incluida su diversidad.
- El muestreo aleatorio simple es donde se seleccionan aleatoriamente un número selecto de individuos de una población completa. Por ejemplo, si hay 1000 personas que asisten a una universidad, se seleccionan al azar 50 personas de la lista de registro.
- El muestreo aleatorio estratificado implica la división, o estratificación, de una población, basada en una variable específica, como la edad, el sexo, el género, el estado socioeconómico o el origen étnico. La estratificación se realiza antes de que se realice el muestreo aleatorio. Por ejemplo, un estudio podría estar interesado en el efecto de alguna variable sobre la edad, por lo que toda la población se estratificaría primero en personas que tienen 50 años o más y las personas menores de 50 años. Luego, el muestreo aleatorio ocurriría para las poblaciones mayores de edad. 50 y menores de 50 años.
- El muestreo de conglomerados toma una gran población y separa a la población en grupos, luego hace un muestreo aleatorio de cada uno de los grupos. Cada grupo podría seleccionarse en base a un separador de ubicación o geográfico definitorio como una ciudad, escuela o lugar de empleo.
- El muestreo aleatorio sistemático describe el proceso de selección de participantes aleatorios a intervalos establecidos, por ejemplo, cada quinta persona en una lista generada al azar de una población objetivo tiene una encuesta para completar el estudio.
- El muestreo multifásico combina elementos de muestreo aleatorio simple y muestreo de clúster. El muestreo multifásico comienza como un muestreo de clúster, excepto que el muestreo siempre se divide en fases. En la fase I, se crea, se muestrean y se recopilan un clúster. Luego, a partir de los datos de la Fase I, se crea otro clúster, iniciando la Fase II. Un ejemplo de muestreo multifásico es probar individuos de muestreo de grupos para colesterol alto (fase I) y luego probar los individuos de colesterol alto para marcadores de sangre inflamatorios en la fase II. Siempre hay dos o más fases en el muestreo multifásico.
- El muestreo de varias etapas, como el muestreo multifásico, el muestreo de varias etapas combina elementos de muestreo aleatorio simple y muestreo de clúster. Es una forma alternativa de hacer un muestreo aleatorio simple al hacer que sea más barato realizar, particularmente cuando la población es extremadamente grande (por ejemplo, una ciudad o país entero). El muestreo de varias etapas se discutirá en detalle en la siguiente sección.
Intente actualizar la página o comuníquese con el servicio de atención al cliente.
¿Qué es el muestreo no probabilístico?
Hay muchos tipos diferentes de errores de no muestreo y los nombres utilizados para cada uno de ellos no son consistentes.
• El proceso de muestreo es tal que un grupo específico está excluido o subrepresentado en la muestra, deliberadamente o inadvertidamente. Si el grupo excluido o subrepresentado es diferente, con respecto a los problemas de la encuesta, entonces se producirá un sesgo.
• El proceso de muestreo permite a las personas seleccionarse a sí mismas. Las personas con fuertes opiniones sobre los problemas de la encuesta o aquellos con conocimiento sustancial tenderán a estar sobrerrepresentados, creando un sesgo.
• Si las personas que se niegan a responder son diferentes, con respecto a los problemas de la encuesta, de quienes responden, entonces ocurrirá un sesgo. Esto también puede suceder con personas que nunca son contactadas y personas que aún no han decidido.
• Si la tasa de respuesta (la proporción de la muestra que participa en una encuesta) es baja, puede ocurrir un sesgo porque los encuestados pueden tender constantemente tener opiniones que sean más extremas que las de la población en general.
• La redacción de las preguntas, el orden en que se solicitan y el número y el tipo de opciones ofrecidas pueden influir en los resultados de la encuesta.
• Las respuestas dadas por los encuestados no siempre reflejan sus verdaderas creencias porque pueden sentirse bajo presión social para no dar una respuesta impopular o socialmente indeseable.
• Las respuestas dadas por los encuestados pueden estar influenciadas por el deseo de impresionar a un entrevistador.
Artículos Relacionados:
- Conozca las características del muestreo probabilístico y cómo puede beneficiar su estudio
- Conoce las principales características del muestreo no probabilistico
- ¿Qué es el muestreo no probabilistico y cuáles son sus ventajas?
- 5 tipos de muestreo no probabilistico que puedes utilizar en tu investigación
