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.
El sesgo de selección de muestra es un tipo de sesgo causado por la elección de datos no aleatorios para el análisis estadístico. El sesgo existe debido a un defecto en el proceso de selección de muestras, donde un subconjunto de los datos se excluye sistemáticamente debido a un atributo particular. La exclusión del subconjunto puede influir en la importancia estadística de la prueba, y puede sesgar las estimaciones de los parámetros del modelo estadístico.
- El sesgo de selección de muestra en un estudio de investigación ocurre cuando los datos no aleatorios se seleccionan para el análisis estadístico.
- Debido a un defecto en el proceso de selección de la muestra, se excluye un subconjunto de los datos del estudio, impactando o negando así la importancia estadística de la prueba.
- Existen varios tipos de sesgo de selección de muestras, que incluyen sesgo previo a la selección, sesgo de autoselección, sesgo de exclusión y sesgo del observador.
- El sesgo de supervivencia puede conducir a conclusiones falsas porque se centra solo en esos elementos, personas o cosas que han pasado un cierto punto en el proceso de selección, ignorando aquellos que no lo hicieron.
- Una forma de corregir el sesgo de selección de la muestra es asignar pesos a subgrupos tergiversados para corregir estadísticamente el sesgo.
El sesgo de supervivencia es un tipo común de sesgo de selección de muestra. Este tipo de sesgo ignora aquellos sujetos que no lograron pasar un cierto punto en el proceso de selección y solo se centra en los sujetos que «sobrevivieron». Esto puede conducir a conclusiones falsas.
Por ejemplo, al realizar una copia de seguridad de una estrategia de inversión en un gran grupo de acciones, puede ser conveniente buscar valores que tengan datos durante todo el período de muestra. Si íbamos a probar la estrategia contra 15 años de datos de acciones, podríamos estar inclinados a buscar acciones que tengan información completa durante todo el período de 15 años.
¿Qué es la selección de una muestra?
El muestreo seleccionado implica la selección activa de miembros de la población que se consideran más representativos de los objetivos descritos en el programa de inventario o monitoreo. Por ejemplo, las áreas clave a menudo se seleccionan para una atención más estrecha en los estudios de utilización, porque no es posible monitorear la utilización en todo el sitio. Del mismo modo, en un programa de monitoreo ribereño, los transectos pueden ubicarse subjetivamente en varios lugares considerados típicos de la zona ribereña.
El potencial de los sitios seleccionados para representar con precisión el área más grande depende del juicio personal. Con experiencia y habilidad, las personas a menudo pueden seleccionar con éxito sitios representativos. Sin embargo, en otros casos, el sesgo personal o los factores naturales no reconocidos que afectan el área pueden confundir la precisión de los datos de los sitios seleccionados. Por lo tanto, se debe tener un cuidado adicional al interpretar los datos, además de la selección inicial del sitio.
Por lo general, se eligen menos sitios en un diseño de muestreo seleccionado, ya que se supone que proporcionan una buena representación de la población, y no se requiere medida de varianza de muestra. Como consecuencia, el esfuerzo general de muestreo se reduce considerablemente, y el muestreo seleccionado a menudo se adopta en los programas de monitoreo donde el objetivo principal es investigar el cambio a lo largo del tiempo para áreas extensas. Sin embargo, debido a que los datos no proporcionan una medida de variabilidad para el área que se muestra, la precisión de la muestra no puede estimarse y el análisis de inferencia estadística no se puede aplicar para describir los patrones espaciales del área general. Sin embargo, es posible utilizar métodos de inferencia estadística para comparar valores para cada sitio entre los diversos momentos en que se midieron las unidades de muestra.
¿Qué es la selección en estadística?
El sesgo de selección de muestra es un tipo de sesgo causado por la elección de datos no aleatorios para el análisis estadístico. El sesgo existe debido a un defecto en el proceso de selección de muestra, donde un subconjunto de datos se excluye sistemáticamente debido a un atributo particular. La exclusión del subconjunto puede influir en la importancia estadística de la prueba y puede sesgar las estimaciones de los parámetros del modelo estadístico.
- El sesgo de selección de muestra en un estudio de búsqueda ocurre cuando los datos no aleatorios se seleccionan para el análisis estadístico.
- Debido a un defecto en el proceso de selección de la muestra, se excluye un subconjunto de datos del estudio, que afecta o cancela la importancia estadística de la prueba.
- Existen varios tipos de selección de muestras, que incluyen preselección, sesgo de autoselección, sesgo de exclusión y sesgo del observador.
- El sesgo de supervivencia puede conducir a conclusiones falsas porque se centra solo en los elementos, las personas o las cosas que han excedido una cierta etapa del proceso de selección, ignorando a aquellos que no lo han hecho.
- Una forma de corregir el sesgo de selección de la muestra es asignar pesos a subgrupos mal representados para corregir estadísticamente el sesgo.
El sesgo de supervivencia es un tipo común de sesgo de selección de muestras. Este tipo de sesgo ignora los sujetos que no han excedido una determinada etapa del proceso de selección y se centran solo en los sujetos que «sobrevivieron». Esto puede conducir a conclusiones falsas.
¿Cuáles son los metodos de selección de la muestra?
Los métodos de selección de muestra son los métodos específicos utilizados para seleccionar los registros contenidos en una muestra.
Para el muestreo de registros y el muestreo de la unidad monetaria, Analytics admite tres métodos de selección de muestras:
- intervalo fijo
- célula
- aleatorio
Para el muestreo de variables clásicas, el método de selección aleatoria es la única posibilidad.
Es importante comprender la distinción entre el método de selección de muestras y el tipo de muestreo.
El tipo de muestreo se refiere al método estadístico general utilizado para llegar a una estimación sobre una población.
El método de selección de muestra se refiere a la forma en que se extraen los registros de una población para su inclusión en una muestra.
- intervalo fijo
- célula
- aleatorio
Con el método de selección de intervalo fijo, se selecciona una unidad o registro monetario inicial, y todas las selecciones posteriores son un intervalo fijo o una distancia separada, por ejemplo, cada 5000 la unidad monetaria, o cada 20º registro, después de la selección inicial.
Cuando usa el método de selección de intervalos fijos, debe estar alerta a cualquier patrón en los datos. Debido a que se usa un intervalo fijo para la selección de la muestra, puede resultar una muestra no representativa si los datos tienen un patrón que coincide con el intervalo que especifica.
Por ejemplo, muestra gastos utilizando un intervalo de $ 10,000, y la misma categoría de gastos aparece a intervalos de diez mil dólares en el archivo, lo que resulta en todos los registros seleccionados que provienen de una sola categoría de gastos. Este tipo de escenario es poco común, pero debe ser consciente de que podría ocurrir.
¿Cuáles son los métodos de selección de muestra?
Proc SurveySelect proporciona una variedad de métodos para seleccionarmuestras aleatorias basadas en la probabilidad. Con muestreo de probabilidad, cada uno
la unidad en la población de encuestas tiene una probabilidad conocida y positiva
de selección. Esta propiedad de muestreo de probabilidad evita
sesgo de selección y le permite usar la teoría estadística para hacer
Inferencias válidas de la muestra a la población de encuestas.
Consulte Kish (1987, 1965), Kalton (1983) y
Cochran (1977) para obtener más información sobre el muestreo de probabilidad.
En muestreo de igual probabilidad, cada unidad en el marco de muestreo,
o en un estrato, tiene la misma probabilidad de ser seleccionado para
la muestra.
Proc SurveySelect proporciona los siguientes métodos que seleccionan
Unidades con igual probabilidad: muestreo aleatorio simple, sin restricciones
Muestreo aleatorio, muestreo aleatorio sistemático y secuencial aleatorio
muestreo.
En muestreo aleatorio simple, las unidades se seleccionan sin
Reemplazo, lo que significa que una unidad no se puede seleccionar más de una vez.
Tanto el muestreo sistemático y secuencial igual de probabilidad
sin reemplazo.
En muestreo aleatorio sin restricciones, las unidades se seleccionan con reemplazo,
lo que significa que una unidad se puede seleccionar más de una vez. Con reemplazo
muestreo, el número de golpes se refiere al número de veces una unidad
se selecciona.
En probabilidad proporcional al muestreo de tamaño (PPS), la selección de una unidad
La probabilidad es proporcional a su medida de tamaño.
Proc SurveySelect proporciona los siguientes métodos que seleccionan
Unidades con probabilidad proporcional al tamaño (PPS): muestreo de PPS
Sin reemplazo, muestreo de PPS con reemplazo, PPS sistemático
Muestreo, muestreo secuencial de PPS, método de cervecero, método de Murthy,
y el método de Sampford. El muestreo de PPS a menudo se usa en el clúster
Muestreo, donde selecciona grupos (o grupos de unidades de muestreo)
de tamaño variable en la primera etapa de selección. Por ejemplo,
Los grupos pueden ser escuelas, hospitales o áreas geográficas, y el
Las unidades de muestreo final pueden ser estudiantes, pacientes o ciudadanos.
El muestreo de clúster puede proporcionar eficiencias en la construcción de cuadros
y otras operaciones de encuestas. Consulte Kalton (1983), Kish (1965),
y las otras referencias citadas en las siguientes secciones para
más información.
Las siguientes secciones dan descripciones detalladas del
Métodos de selección de muestra disponibles en Proc SurveySelect.
En estas secciones, NH denota el tamaño de la muestra (el número de unidades
en la muestra) para el estrato h, y nh denota la población
tamaño (número de unidades en la población) para el estrato h, para
h = 1, 2,…, H. Cuando el diseño de la muestra no se estratifica,
N denota el tamaño de la muestra y N denota el tamaño de la población.
Para el muestreo de PPS, MHI representa la medida de tamaño para la Unidad I
En Stratum H, MH · es el total de todas las medidas de tamaño para
La población de Stratum H, y Zhi = MHI / MH es
El tamaño relativo de la Unidad I en Stratum h.
Artículos Relacionados:
