El muestreo estratificado es un procedimiento de muestreo probabilístico que establece la división de la población de referencia en subpoblaciones llamadas «capas», lo más homogéneas como sea posible en comparación con la variable que está destinada a estimarse, utilizando otra variable relacionada con la que constituye el ‘objeto de estudio1). Por ejemplo, si desea estudiar el uso de Internet por personas de diferentes edades, la población se dividirá en diferentes edades.
Beneficios. Este tipo de muestreo resulta particularmente útil cuando las capas, dentro de la población, son muy diferentes. En tal situación de alta variabilidad del fenómeno, de hecho, sería necesaria una muestra muy grande. Sin embargo, al estratificar a la población, es posible obtener una cobertura adecuada de las capas menos numerosas (por ejemplo, los jóvenes ultra setenta que navegan por Internet) incluso con una pequeña muestra, con un ahorro apreciable de tiempos y costos de detección .
De hecho, no es esencial que el número de sujetos que componen la muestra dentro de cada capa sean proporcionales al tamaño de la capa en la población, ni que las capas sean del mismo número.
Límites. La principal limitación del muestreo en capas es que la capa de todas las unidades de muestreo, en comparación con los factores en los que se basa la estratificación, debe conocerse antes de elegir la muestra (ya que el procedimiento de extracción de la muestra aún es probabilístico).
Esto también significa que se debe conocer el número de capas.
¿Qué es método de muestreo estratificado?
Primero, todos los elementos de la población se dividen en varias capas. Las capas se forman en función de una característica común, como la profesión o nivel de educación, que se correlaciona con la variable que se examinará, es decir, está relacionada con ella. La característica debe ser relevante y teóricamente justificada para la pregunta. Se toman muestras parciales de cada una de las capas que surgen de acuerdo con el principio aleatorio.
La selección de una muestra en capas es más compleja que la selección aleatoria simple. Sin embargo, se supone que la estimación de la muestra general aumenta por la selección de probabilidad en capas. Por lo tanto, esto es preferible a la simple selección aleatoria. En tal caso, las muestras parciales con respecto a la variable examinada se espejan menos que en la muestra total (muestras parciales homogéneas).
Atención: la muestra en capas difiere de la muestra de aglomeración. Consiste en capas individuales, que son homogéneas, pero muy diferentes, mientras que la población representa a la población casi igualmente bien en la muestra de grupo.
Ejemplo: en un estudio, se examinarán las actitudes políticas de la población alemana. Se cree que las diferencias pasadas en los sistemas políticos de Alemania oriental y occidental han influido en las actitudes políticas de sus ciudadanos. Por lo tanto, el origen (East vs. Alemania Occidental) se usa como una característica de formación de capa, de modo que se crean dos subpoblaciones (a saber, el este y el oeste de Alemania). Después de eso, se realiza una selección aleatoria de la muestra de las dos capas en función de la guía telefónica.
¿Cuáles son los pasos para el muestreo estratificado?
Comience definiendo la población donde planea tomar su muestra. Luego, divida esta población en subgrupos claramente definidos. Puede usar múltiples características para definir subgrupos, como la raza y el género. Los subgrupos deben ser mutuamente excluyentes, no se superponen e incluyen toda la población. Tenga en cuenta que solo puede colocar a cada miembro en un subgrupo.
Después de definir la población y los subgrupos, recopile una lista con información para cada miembro de la población. Asigne cada miembro a un subgrupo específico. Asegúrese de que no haya superposición, que cada estrato sea mutuamente excluyente e incluya a toda la población.
El siguiente paso es asegurarse de que el tamaño de la muestra para cada subgrupo sea proporcional a toda la población. Mientras que los subgrupos que están menos representados en la población están menos representados en la muestra, los subgrupos más representados en la población también están más representados en la muestra. Decida un tamaño de muestra total que sea lo suficientemente grande como para sacar conclusiones estadísticas para cada estrato.
Elija un método de muestreo de probabilidad, como muestreo sistemático o selección aleatoria. Use ese método de muestreo en cada uno de los subgrupos para crear una muestra. Esto presenta un muestreo aleatorio estratificado de la población original.
Un equipo de investigación realizó un estudio sobre los GPA de estudiantes de la escuela comercial en todo el estado de California. Tomaron una selección aleatoria de 2,000 estudiantes de escuelas comerciales de 10,5 millones de estudiantes en el estado. El equipo de investigación está estudiando los GPA promedio para los diferentes oficios.
Artículos Relacionados:
- Beneficios del muestreo estratificado para la toma de decisiones en marketing
- ‘Aprende sobre los diferentes tipos de muestreo estratificado para mejorar tus investigaciones’
- Ejemplo de muestreo estratificado: guía completa para obtener resultados precisos
- Ejemplos de muestreo estratificado: cómo seleccionar la muestra perfecta
