El muestreo estratificado es un método de muestreo de probabilidad y una forma de muestreo aleatorio en el que la población se divide en dos o más grupos (estratos) de acuerdo con uno o más atributos comunes. Estos atributos pueden ser sexo, edad, ingresos, nivel de educación, etc. de acuerdo con los objetivos y los objetivos del estudio.
El muestreo aleatorio estratificado tiene la intención de garantizar que la muestra represente subgrupos o estratos específicos. En consecuencia, la aplicación del método de muestreo estratificado implica dividir la población en diferentes subgrupos (estratos) y seleccionar sujetos de cada estrato de manera proporcional. La siguiente figura ilustra un ejemplo simplista en el que el grupo de muestra de 10 encuestados se seleccione dividiendo la población en estratos masculinos y femeninos para lograr la misma representación de ambos sexos en el grupo de muestra.
El muestreo estratificado se puede dividir en los siguientes dos grupos: proporcionado y desproporcionado. La aplicación de la técnica de muestreo aleatorio estratificado proporcional implica determinar el tamaño de la muestra en cada estrato de manera proporcional a toda la población. Por ejemplo, si toda la población para una investigación es de 5000 personas, en muestreo aleatorio estratificado proporcional, el grupo se puede dividir en cinco estratos con 1000 personas en cada estrato.
En el muestreo aleatorio estratificado desproporcionado, por el contrario, el número de sujetos reclutados de cada estrato no tiene que ser proporcional al tamaño total de la población. Si se aplica un muestreo aleatorio estratificado desproporcionado en una investigación con 5000 personas, la población se puede dividir en cinco estratos con el siguiente número de población en cada estrato: 1000, 1500, 1200, 800 y 500.
Supongamos que su disertación tiene como objetivo explorar estilos de liderazgo ejercidos por gerentes de nivel medio en Bayerische Motoren Werke Aktiengesellschaft (BMW AG). Ha seleccionado entrevistas semiestructuradas en profundidad con los gerentes como el método de recopilación de datos primario más apropiado para lograr los objetivos de investigación.
¿Cuál es la fórmula del muestreo estratificado?
El muestreo laminado, también conocido como muestreo aleatorio estratificado o muestreo aleatorio proporcional, es un método de muestreo que requiere que todas las muestras se agrupen de acuerdo con ciertos parámetros y elija muestras de cada uno de estos grupos en lugar de tomar al azar toda la población. En esto, toda la población se divide en varios grupos de atributos similares y entre ellos, se eligen pocas muestras, mientras que en un muestreo aleatorio simple, todos los miembros de una población tienen la oportunidad de ser seleccionados para el muestreo.
Como la división de subgrupos o estratos y una muestra total para representar a toda la población depende del investigador, no existe una fórmula específica para el muestreo aleatorio laminado. Sin embargo, la fórmula mencionada a continuación se usa ampliamente.
- Proporcionado: El propósito del muestreo laminado es que en cada grupo, se eligen pocas muestras para la selección final. En el muestreo proporcional, la base de muestras predeterminadas es proporcional a todos los grupos creados. Por ejemplo, si se han creado 5 grupos con varias muestras como 10, 30, 20, 100, 60 y 80. El investigador decidió elegir el 10% del tamaño total de la población, o 300. En este caso, 10 de Cada grupo de muestras se eligiría como muestras totales para estudiar. Por lo tanto, los números serían 1.3,2,10,6 y 8 y el total sería de 30 muestras. Este método está bastante extendido y famoso por su aplicación.
- Desproporcionado: aquí, no tomamos muestras proporcionales en cada subgrupo y podemos elegir ningún método para alcanzar el tamaño de la muestra predeterminada. Si tomamos el ejemplo mencionado anteriormente, podríamos tomar cualquier número de cualquier grupo como 5.5,5,4,3,8 para obtener un tamaño de muestra total de 30 porque podemos ver claramente que las muestras elegidas por varios grupos son desproporcionadas para El tamaño respectivo del subgrupo.
Supongamos que un equipo de investigación está realizando una encuesta para una empresa de consumo sobre el sabor y las preferencias de las personas en las elecciones de alimentos. El equipo decidió tomar 3 categorías principales; Hombres, mujeres y niños. El número total de personas requeridas para el conjunto de datos es cercana a 1 millón en cifras. ¿Cómo podría la muestreo laminado de muestreo aleatorio ayudar a los investigadores a recopilar los datos requeridos utilizando menos tiempo y recursos?
Es bastante difícil hablar con un millón de personas y hacer una opinión; Por el contrario, es bastante fácil y rápido crear varios grupos, seleccionar algunos y recopilar su opinión, porque la segregación de los datos sería representativa de toda la población. Por lo tanto, es preferible separar todo el />
- Proporcionado: El propósito del muestreo laminado es que en cada grupo, se eligen pocas muestras para la selección final. En el muestreo proporcional, la base de muestras predeterminadas es proporcional a todos los grupos creados. Por ejemplo, si se han creado 5 grupos con varias muestras como 10, 30, 20, 100, 60 y 80. El investigador decidió elegir el 10% del tamaño total de la población, o 300. En este caso, 10 de Cada grupo de muestras se eligiría como muestras totales para estudiar. Por lo tanto, los números serían 1.3,2,10,6 y 8 y el total sería de 30 muestras. Este método está bastante extendido y famoso por su aplicación.
- Desproporcionado: aquí, no tomamos muestras proporcionales en cada subgrupo y podemos elegir ningún método para alcanzar el tamaño de la muestra predeterminada. Si tomamos el ejemplo mencionado anteriormente, podríamos tomar cualquier número de cualquier grupo como 5.5,5,4,3,8 para obtener un tamaño de muestra total de 30 porque podemos ver claramente que las muestras elegidas por varios grupos son desproporcionadas para El tamaño respectivo del subgrupo.
Población total y tamaño total de la muestra
¿Cómo se hace la estratificación?
Muchos tipos de semillas tienen una «latencia» inducida y necesitan tratamientos para eliminar este último. La manejo de la herencia es una condición de estabilidad necesaria para que las semillas superen las condiciones adversas (otoño-invierno). Esto se debe a que, si germinan en otoño, a través de una ola de calor inesperado, las plántulas jóvenes enfrentarían la muerte con la llegada del invierno.
Con la estratificación caliente o de verano, las semillas están expuestas a una temperatura de 15-20 grados en condiciones húmedas. Por lo general, la estratificación caliente se lleva a cabo antes del frío, para que la semilla sea más blanda y madura el embrión, solo el embrión maduro puede «comprender» el proceso de estratificación fría posterior y llegar a la germinación.
A continuación, explicaré el proceso para llevar a cabo la estratificación caliente con los materiales antes mencionados que se utilizarán, ¡todos fáciles de encontrar!
- Pocas hojas de Scottex
- De turba o vermiculita
- Una bandeja de plástico (de aquellos en los que compra las verduras en el supermercado, por así decirlo) o una bolsa con cierre de cremallera.
- Agua
- Remoje las semillas durante un par de horas.
- Dobla 4-5 hojas de scottex y póngalas en la bandeja de plástico.
- Secar y extender las semillas en las láminas de scottex previamente húmedas y exprimidas (no húmedas).
- Coloque la bandeja a una temperatura de 15-20 grados, lejos de los rayos directos del sol
- En el caso de la estratificación fría posterior, puede usar una bolsa con cierre de cremallera, llénala con tierra (húmeda y exprimida anteriormente) lo suficiente) para mantener las semillas separadas.
- Haga 3 hoyos y déjelo a la temperatura requerida anteriormente, se realiza la elección de la bolsa de cierre de la cremallera porque entonces debe transferirse al refrigerador para la posterior estratificación del frío.
- Verifique cada semana que el suelo permanezca húmedo, las semillas podrían germinar, en ese momento moverlas a los contenedores con gran delicadeza.
¿Qué es el muestreo estratificado uniforme?
Como parte del nuevo núcleo de tracción de Takua Render, he implementado un sistema que permite múltiples métodos de muestreo en lugar de solo muestreo uniforme. El primer método de muestreo nuevo que he agregado además del muestreo uniforme es el muestreo estratificado. Básicamente, en el muestreo estratificado, en lugar de extender muestras por iteración en toda la región de probabilidad, la región de probabilidad se divide primero en una serie de subregiones de igual tamaño y no superpuestas, y luego para cada iteración, se dibuja una muestra con probabilidad uniforme de Dentro de una sola subregión, llamado estratos. El resultado del muestreo estratificado es que se garantiza que las muestras se extenderán de manera más uniforme en todo el dominio de probabilidad en lugar de agruparse dentro de un solo área, lo que resulta en menos ruido visible para el mismo número de muestras en comparación con el muestreo uniforme. Al mismo tiempo, dado que el muestreo estratificado todavía mantiene una distribución aleatoria dentro de cada estrato, los problemas de alias asociados con una distribución de muestra totalmente uniforme aún se evitan.
Aquí hay un video que muestra una escena renderizada en Takua Render con uniforme y luego estratificado de muestreo. El video también muestra una comparación de lado a lado en su último tercio.
En las renderizas en el video anterior, se está utilizando muestreo estratificado para elegir nuevas direcciones de rayos desde rebotes de superficie difusa; En lugar de elegir un punto aleatorio sobre todo el hemisferio ponderado en coseno en un punto de intersección, el renderizador primero elige un estrato con los mismos esteradianos que todos los demás estratos, y luego elige una muestra aleatoria dentro de ese ángulo sólido. Los estratos se eligen secuencialmente para rebotes primarios, y luego se eligen aleatoriamente para todos los rebotes secundarios para mantener el muestreo imparcial en todo el render. Como resultado de la selección de estratos secuenciales para los rebotes primarios, las imágenes renderizadas en el renderizado de Takua no convergieron a una solución imparcial hasta que las n iteraciones hayan transcurridas, donde n es el número de estratos en el que se divide la región de probabilidad. El usuario puede establecer el número de estratos como un valor en la descripción de la escena que luego se cuadra para obtener el número total de estratos. Entonces, si un usuario especifica un nivel de estratos de 16, entonces la región de probabilidad se dividirá en 256 estratos y no se alcanzará un resultado imparcial hasta que se hayan tomado 256 o más muestras por píxel.
Aquí está el modelo Lamborghini de la última publicación en 256 muestras por píxel con muestreo estratificado (256 estratos) y uniforme, para demostrar cuánto ruido menos perceptible hay con la muestra estratificada. Desde la distancia, los renders de muestras uniformes pueden parecer ligeramente más oscuros uno al lado del otro debido al mayor porcentaje de ruido, pero si los compara usando la caja de luz, puede ver que la iluminación y el brillo son los mismos.
Artículos Relacionados:
