Como hemos definido todos los términos necesarios, aprendamos brevemente cómo determinar el tamaño de la muestra utilizando una fórmula de cálculo de muestra conocida como la fórmula de Andrew Fisher.
- Convierta el nivel de confianza en una puntuación Z. Esta tabla muestra los puntajes Z para los niveles de confianza más comunes:
- Coloque estas figuras en la fórmula del tamaño de la muestra para obtener el tamaño de su muestra.
Digamos que elige trabajar con un nivel de confianza del 95%, una desviación estándar de 0.5 y un intervalo de confianza (margen de error) de ± 5%, solo necesita sustituir los valores en la fórmula:
Afortunadamente, hay varias herramientas en línea disponibles para ayudarlo con este cálculo. Aquí hay una calculadora de muestras en línea de fácil cálculo. Simplemente coloque el nivel de confianza, el tamaño de la población, el intervalo de confianza y el tamaño de muestra perfecto se calcula para usted.
Con el panel móvil más grande de África, Asia y América Latina, y tecnologías móviles confiables, Geopoll desarrolla muestras únicas que representan con precisión cualquier población. Vea nuestra cobertura de país aquí, o comuníquese con nuestro equipo para discutir su próximo proyecto.
Geopoll es miembro de las siguientes organizaciones. Además, Geopoll ha participado con éxito en los procesos IRB en instituciones y universidades para garantizar que la investigación de encuestas se realice con el más alto de los estándares éticos:
ESOMAR PAMRO WAPOR SOCIEDAD PARA LA ASOCIACIÓN DE INVESTIGACIÓN DEL DESARROLLO ES SOCIALES
¿Cómo se saca la muestra de una población?
La conclusión de la muestra a la población solo es posible si las características de la muestra, las características de la población, en relación con ciertas características, representan lo suficientemente bien. Para decirlo más, esto significa que solo si la muestra representa la población lo suficientemente bien, ¿podemos transferir los resultados de la muestra a la población y así hacer declaraciones al respecto? El objetivo aquí es que la muestra representa una imagen reducida de la población. Este objetivo siempre se busca, pero en la práctica nunca se logra completamente. Por lo tanto, la representatividad no debe entenderse como una característica dicotómica de una muestra (está/ no está disponible), sino como un continuo. Por lo tanto, una muestra adecuada debe asignar a la población lo mejor posible. Pero, ¿cómo sabemos si una muestra ahora es suficientemente buena para la población?
En primer lugar, nuestra muestra no tiene que mapear a la población en todos los sentidos, sino solo en términos de las características que son relevantes para nuestra pregunta de investigación actual. Esto significa todas las características que teóricamente pueden tener un impacto en nuestras variables para ser examinadas. En la práctica, las variables sociodemográficas como la edad, el género, los ingresos, etc. a menudo se usan para esto. Sin embargo, otras características más específicas, como las marcas preferidas o el consumo de ciertos productos, también pueden estar entre las características relevantes que se consideran con respecto a la representatividad de la muestra. Por ejemplo, una muestra con respecto a la distribución de género puede ser representativa de la población, pero desviarse de la población con respecto a una característica diferente (por ejemplo, profesión) si, por ejemplo, solo se entrevistó a los estudiantes.
Otro desafío surge al evaluar la representatividad. Para verificar si las características de nuestra muestra corresponden a las características de la población, se debe conocer la distribución de las características relevantes en la población (por ejemplo, la distribución de los ingresos o la frecuencia de los grupos profesionales en Alemania). Pero este rara vez es el caso, aunque solo sea por el hecho de que la población cambia constantemente y las encuestas de todas las personas (como el censo) son muy raras.
¿Qué es la muestra de una población ejemplos?
Sobre el tema de las distribuciones de muestras (para características continuas), analizamos el ejemplo de una muestra de población, que es sobre la cual se espera la edad promedio en la muestra si se sabe que la población tiene en promedio 40 años. Habíamos calculado que la edad promedio debe moverse en el 95% de todas las muestras posibles en el rango de 36.08 a 43.92 años si las muestras consisten en N = 25 personas seleccionadas al azar y la información de edad en la población a s = 10 años varía.
La siguiente muestra 1 pertenece a estos 95% de todas las muestras posibles porque su edad promedio (= 41.24 años) cae en el intervalo mutuo calculado, pero la muestra 2 no:
La muestra 2 es una de las muestras aleatorias más raras de las muestras aleatorias cuya edad promedio está fuera del intervalo. El intervalo de mutación incluye ± 3.92 años.
En conclusión de una muestra a una población desconocida
Volver a la muestra 1. Suponía que uno no sabría la edad promedio de la población: ¿podría usar alternativamente la edad promedio en la muestra? Dado que las estadísticas de muestra pueden desviarse aleatoriamente de los parámetros de la población, la edad promedio en la muestra rara vez coincidirá con la edad promedio en total (M). Sin embargo, uno podría incorporar un margen de seguridad con esta estimación al no especificar un valor específico, sino un intervalo en el que sospecha. Esto da como resultado las siguientes preguntas:
Si permite exactamente las mismas desviaciones que con el intervalo mutuo anterior (± 3.92 años): ¿Cuál de las dos muestras hace una predicción correcta?
Artículos Relacionados:
