Está destinado a estimar a los votantes para el Partido Político X en una ciudad donde los votantes son 200,000; En las elecciones anteriores, el Partido X había tomado el 23% de los votos
- población (n) = 200,000
- Intervalo de confianza = 95%
- Estimación (p) de los votos que el Partido X debería tomar = 23% de los votantes
- Error de muestra = 1%
- Muestreo probabilístico: es el procedimiento de muestreo en el que se eligen los casos para que se conozca la probabilidad de que cada caso sea incluido en la muestra
- Muestreo no probabilístico: es el procedimiento de muestreo en el que se eligen los casos para que la probabilidad de que cada caso deba incluir en la muestra no se conozca
NB: Dado que en muestras no probabilísticas, los casos se eligen sin conocer su probabilidad de selección, no se puede aplicar la teoría desarrollada para el muestreo probabilístico.
Es probable que sea probable que se conoce una muestreo cuando para cada caso la probabilidad de ser extraída y es diferente de Scratch. Permite la inferencia o la generalización de los resultados para toda la población.
Característica: el promedio de la población es el mismo que el promedio de la muestra.
En un PC, el conocimiento del universo es fundamental: para poder extraer casos de la población de manera probabilística, es necesario tener datos sobre el universo teórico, es decir, es necesario tener información sobre las características de la población.
¿Cómo se hace la selección de una muestra?
El muestreo de la selección de una muestra se utiliza para obtener información de un grupo pequeño y luego generalizar los resultados a una población, por lo tanto, la muestra debe ser representativa de la población de la que se extrae (‘no estropeada’) la elección del muestreo La técnica, que tiene lugar sobre la base del propósito y el diseño del estudio, determina la importancia de los resultados de una investigación. Independientemente de las técnicas de muestreo que están destinadas a usar la primera fase de muestreo consiste en definir la población, es decir, el conjunto que recopila todas las observaciones posibles, en relación con una fecha variable o un fenómeno dado. – La población puede terminar o infinita – se destaca entre POP. Objetivo y pop. Accesible, el primero es el del estudio, el segundo es el que se obtiene la muestra
La base de muestreo para llevar a cabo una muestra es necesaria para tener una lista, no necesariamente nominativa, de las unidades que conforman el universo que está destinado a observarse son los identificadores de la lista. Debo pagar una a una a las unidades de La población es la lista identifica la población de selección. Desafortunadamente, los casos en los que no existe una coincidencia perfecta entre la población de selección y la población objetivo es frecuente a la población objetiva y la población de selección, también es necesario hablar de la población de investigación. Seleccionado la muestra, normalmente sucederá que no pueda observar todas las unidades por imposibilidad de contactarlas o para su negativa a participar en la investigación (no la respuesta). La población objetiva difiere de la de la selección debido a la incompletitud de la lista. La población de selección difiere a su vez de la de investigación debido a la no respuesta ° para llevar a cabo una muestra, puede usar una lista única o más listas. En el primer caso se dice que la muestra tiene una estructura simple, en el segundo caso complejo
Las técnicas de muestreo de muestreo de muestreo de muestra probabilística no probabilística n muestra de muestra aleatoria simple de la muestra de conveniencia n muestra de muestra n muestra n muestra n muestra de n muestra en muestra de numinal proactiva. Ambos tipos de muestreo tienden a representar mejor la población en el estudio, pero de manera diferente, pero de manera diferente , Ambos tienen ventajas y desventajas
Muestreo no probabilístico • Las muestras no aleatorias preceden, desde un punto de vista histórico, las probabilísticas • Estas muestras reflejan para mejor o para peor la orientación de la que las forma • No permita el cálculo del error debido a el muestreo y la bondad de las estimaciones
¿Qué características se deben considerar en la selección de una muestra?
El sesgo de selección de la muestra se refiere a la tendencia a excluir una sección de la población del análisis de la muestra debido a la falta de disponibilidad de datos. Esto erosiona la idea de aleatoriedad ya que la exclusión de una determinada clase de datos equivale a recopilar datos de un subconjunto de la población. El parámetro resultante es, como tal, no representativo de la población en su conjunto.
El sesgo de supervivencia implica la exclusión de la información que se relaciona con los vehículos financieros que ya no existen, durante el muestreo. En consecuencia, las conclusiones pueden subestimar o sobreestimar los parámetros de la población. Por ejemplo, la mayoría de las bases de datos de fondos mutuos que rastrean el rendimiento pueden excluir fondos que tienen un rendimiento inferior, lo que lleva al cierre. Analizar solo los fondos «sobrevivientes» puede sobreestimar las ganancias promedio de fondos mutuos.
El sesgo de la apariencia es ocasionado por un supuesto analista de que la información está fácilmente disponible en una fecha determinada cuando, de hecho, no lo es. Por ejemplo, los analistas pueden suponer que la información financiera de fin de año, como la ganancia anual generada, está disponible en enero, pero la mayoría de las empresas toman hasta 60 días adicionales antes de publicar resultados.
El sesgo del período de tiempo implica una generalización inapropiada de resultados específicos del tiempo, aquellos resultados que solo se aplican a ciertas estaciones o períodos. La mayoría de las entidades experimentan una variación estacional en el rendimiento para que algunos meses puedan ser más productivos que otras. Por ejemplo, las compañías de producción de helados en toda Europa pueden registrar mayores ventas durante el verano y menores ventas durante el invierno. Por lo tanto, una muestra de tales entidades dibujadas durante el invierno estimará los parámetros específicos del invierno.
Artículos Relacionados:
