Esta es la forma «clásica» de muestreo sistemático donde los elementos o individuos se seleccionan en un intervalo predeterminado.
Con el muestreo sistemático circular, el proceso de muestreo continúa más allá del final de la lista de población, hasta que se haya muestreado toda la población.
El muestreo sistemático lineal no se repite, a diferencia del muestreo sistemático circular. Produce un número utilizando una forma de lógica de omisión para seleccionar los miembros de la muestra.
El muestreo sistemático se puede usar cuando desee los beneficios de muestrear aleatoriamente la población que está estudiando. Puede ser especialmente útil en situaciones en las que no tiene detalles de toda la población antes de comenzar su estudio. Esto se debe a que el muestreo sistemático se basa en reglas, por lo que puede aplicar el intervalo que ha elegido a los datos.
El muestreo aleatorio sistemático es valioso cuando tiene un presupuesto ajustado o en una breve escala de tiempo, pero puede que no sea adecuado para su proyecto si existe algún riesgo de manipulación de datos.
El muestreo sistemático puede eliminar parte de la imprevisibilidad de una muestra, lo que significa que un investigador podría manipular los resultados al elegir un punto de partida que favorezca su resultado preferido.
Sin embargo, este riesgo es muy leve porque el único componente aleatorio de la muestra es la selección del punto de partida. Después de eso, el proceso se mueve en un patrón establecido hasta que se complete la muestra. Por ejemplo, en una población de 21 y a partir de 1, utilizando un intervalo de 3 resultaría en los números 3, 6, 9, 12, 15, 18 y 21 utilizados.
¿Qué es el muestreo sistemático?
Si la señal analógica rara vez se dispersa, si se realizan muy pocas conversiones por segundo, una señal ve z. B. como sigue:
En el ejemplo, la señal solo se escanea cada 0.5 segundos. Los números disponibles en el microcontrolador tienen poco en común con la señal analógica. La señal analógica ya no se puede reconstruir a partir de los datos digitales. Existe un límite inferior teórico de la frecuencia de escaneo: la frecuencia de muestreo debe ser al menos el doble que la frecuencia más alta en la señal analógica. El requisito es matemáticamente:
La frecuencia de muestreo debe ser más del doble de alta que la frecuencia máxima que se encuentra en la señal. Entonces las señales, los matemáticos afirman, teóricamente se pueden reconstruir.
En la práctica, debe haber al menos el factor 5 entre el muestreo y la frecuencia de la señal. Cuantos más puntos de escaneo estén disponibles en la señal, más fácil será la reconstrucción digital. Demasiados puntos de escaneo no brindan más ventaja. Con más de 50 valores, la señal difícilmente se puede reconstruir mejor. Pero en el procesamiento de señales digitales, tenemos que procesar muchos datos. Notará que al programar, si tiene que procesar demasiados datos, puede reducir la frecuencia de muestreo o simplemente ignorar los valores intermedios de los datos.
A menudo escuchará el término «tasa de muestreo». La frecuencia de sustitución y de muestreo son las mismas. Calculan la tasa de muestreo a partir de la hora entre dos puntos de escaneo de la fórmula
¿Cuál es la diferencia entre muestreo aleatorio simple y sistematico?
Kirsten Rohrs Schmitt es un consumado editor profesional, escritor, corrector de pruebas y verificador de hechos. Tiene experiencia en finanzas, inversiones, bienes raíces e historia mundial. A lo largo de su carrera, ha escrito y editado contenido para numerosas revistas y sitios web de consumo, currículums diseñados y contenido de redes sociales para dueños de negocios, y creó colaterales para la academia y organizaciones sin fines de lucro. Kirsten también es el fundador y director de su mejor edición; Encuéntrala en LinkedIn y Facebook.
Bajo un muestreo aleatorio simple, se elige una muestra de elementos al azar de una población, y cada elemento tiene una probabilidad igual de ser elegida. El muestreo aleatorio simple utiliza una tabla de números aleatorios o un generador de números aleatorios electrónicos para seleccionar elementos para su muestra. Por ejemplo, la lotería opera en función de un muestreo aleatorio simple, con todos los números que tienen una probabilidad igual de ser elegido. Mientras tanto, el muestreo sistemático implica seleccionar elementos de una población ordenada utilizando un intervalo de salto o muestreo. Eso significa que cada muestra de datos «enésima» se elige en un gran conjunto de datos. El uso del muestreo sistemático es más apropiado en comparación con el muestreo aleatorio simple cuando el presupuesto de un proyecto es ajustado y requiere simplicidad en la ejecución y la comprensión de los resultados de un estudio. El muestreo sistemático es mejor que el muestreo aleatorio cuando los datos no exhiben patrones y existe un bajo riesgo de manipulación de datos por parte de un investigador, ya que a menudo también es un método de muestreo más barato y más sencillo.
- En un muestreo aleatorio simple, cada punto de datos tiene una probabilidad igual de ser elegida. Mientras tanto, el muestreo sistemático elige un punto de datos por cada intervalo predeterminado.
- Si bien el muestreo sistemático es más fácil de ejecutar que el simple muestreo aleatorio, puede producir resultados sesgados si el conjunto de datos exhibe patrones. También se manipula más fácilmente.
- Por el contrario, el muestreo aleatorio simple se usa mejor para conjuntos de datos más pequeños y puede producir resultados más representativos.
El muestreo aleatorio simple requiere que cada elemento de la población se identifique y seleccione por separado, mientras que el muestreo sistemático se basa en una regla de intervalo de muestreo para seleccionar a todos los individuos. Si el tamaño de la población es pequeño o el tamaño de las muestras individuales y su número es relativamente pequeño, el muestreo aleatorio proporciona los mejores resultados ya que todos los candidatos tienen la misma posibilidad de ser elegidos. Sin embargo, a medida que aumenta el tamaño de la muestra requerido y un investigador necesita crear múltiples muestras de la población, esto puede llevar mucho tiempo y costoso. Como resultado, el muestreo sistemático se convierte en un método preferido en tales circunstancias.
El muestreo sistemático es mejor que el simple muestreo aleatorio cuando no hay patrón en los datos. Sin embargo, si la población no es aleatoria, un investigador corre el riesgo de seleccionar elementos para la muestra que exhiben las mismas características. Por ejemplo, si cada octavo widget en una fábrica estaba dañado debido a un cierto mal funcionamiento de la máquina, es más probable que un investigador seleccione estos widgets rotos con muestreo sistemático que con un muestreo aleatorio simple, lo que resulta en una muestra sesgada.
¿Qué es muestreo aleatorio simple y estratificado?
El muestreo es
la técnica de seleccionar una parte representativa de una población para el
Propósito de determinar las características de toda la población. Existen
Dos tipos de análisis de muestreo: muestreo aleatorio simple y muestreo aleatorio estratificado.
Miremos
A ambas técnicas con un poco más de detalle.
Con este método de muestreo, la selección se basa en el azar, y cada elemento tiene la misma posibilidad de selección. Un ejemplo de muestreo aleatorio simple sería un sistema de lotería.
Ejemplo: si queremos encontrar
El valor promedio de todos los automóviles en los Estados Unidos, no sería práctico
Encuentre cada automóvil, asigne un valor y luego desarrolle un promedio. En cambio, podríamos
Seleccione al azar 200 autos, obtenga un valor para esos automóviles y luego encuentre un promedio.
La selección aleatoria de esos 200 autos serían los «datos de muestra de todo
Los valores de los autos de los Estados Unidos (datos de población).
Contras: posibilidad de sesgo, la dificultad
de obtener una muestra representativa
Aquí, los datos de la población se dividen en subgrupos conocidos como estratos. Los miembros en cada uno de los subgrupos tienen atributos y características similares en términos de demografía, ingresos, ubicación, etc. Una muestra aleatoria de cada uno de estos subgrupos se toma en proporción al tamaño del subgrupo en relación con el tamaño de la población. Estos subconjuntos de subgrupos se agregan luego a una muestra aleatoria estratificada final. La precisión estadística mejorada se logra a través de este método debido a la baja variabilidad dentro de cada subgrupo y al hecho de que se requiere un tamaño de muestra más pequeño para este método en comparación con el muestreo aleatorio simple. Este método se utiliza cuando el investigador quiere examinar subgrupos dentro de una población.
¿Qué es muestreo aleatorio sistematico ejemplo?
El muestreo para la aleatorización sistemática (o muestreo sistemático) Las unidades que constituirán la muestra se extraen de la población con un intervalo regular; En la práctica, a partir de la población (lista de muestreo), se elige una unidad cada «n» donde «n» es el número (aproximado a todo) que se obtiene dividiendo el número de la población por el número de la muestra deseada .
Este método es más práctico que la aleatorización simple, y también garantiza que las unidades individuales de la muestra se distribuyan de manera uniforme dentro de la población.
Sin embargo, es necesario prestar atención a que el intervalo de muestreo elegido no está influenciado por alguna variable externa que tenga la misma cíclica de muestreo (ver ejemplo posterior 3).
Ejemplo 1. Durante una investigación sobre las úlceras gástricas del cerdo, debe obtener una muestra que consta de 40 cerdos de estómago tomados de los 450 cerdos que se matan diariamente en un matadero. La lista de muestreo está representada por los 450 cerdos, numerados de acuerdo con la orden de matanza. Tomarás el estómago cada 11 animales sacrificados.
Ejemplo 2. Está realizando una investigación para estimar la frecuencia de la parasitosis intestinal en una bandada de 500 ovejas. Tiene la intención de examinar una muestra de 25 animales, de la cual tomará una muestra de heces para ser sometida a un examen parasitológico. Un muestreo de aleatorización simple resulta impracticable, ya que los animales no están marcados. Por lo tanto, decide usar una aleatorización sistemática, que no proporciona una identificación previa de los animales: el rebaño se pasa a través de un cuello de botella y se selecciona un animal cada 20. De esta manera obtienes el campeón aleatorizado de 25 animales.
Artículos Relacionados:
- Ejemplos de muestreo probabilístico: cómo seleccionar muestras aleatorias y cómo usarlas para estimar parámetros
- Los 4 tipos de muestreo probabilístico que todo estudiante debería conocer
- El muestreo probabilistico estratificado es una tecnica de muestreo utilizada para mejorar la precision de las estimaciones.
- Técnicas de muestreo probabilístico: ¿Cómo seleccionar una muestra representativa?
