El muestreo aleatorio estratificado se divide en dos categorías amplias. Son los siguientes:
En un muestreo estratificado proporcional, el tamaño de la muestra extraído de cada estrato es proporcional al tamaño del estrato en relación con la población total. Por lo tanto, una vez que se conoce el tamaño de la muestra, los investigadores calculan el porcentaje o proporción de cada estrato en relación con el tamaño de la población objetivo. Una vez que se conoce el tamaño relativo de cada estrato, se puede determinar un tamaño de muestra para cada estrato. Una vez hecho esto, se puede usar un muestreo aleatorio simple para seleccionar elementos aleatorios de cada estrato. Este método de muestreo es más fácil, más rápido y más sencillo que el muestreo estratificado desproporcionado.
Este método se utiliza porque las estratas más grandes, o subpoblaciones, tienden a tener desviaciones estándar más grandes (con respecto a las características de las variables estratificadas elegidas) y, por lo tanto, a aumentar la precisión de la investigación, se deben elegir tamaños de muestreo más grandes de estas estratas.
En el muestreo estratificado desproporcionado, por otro lado, el tamaño de la muestra elegido de cada estrato es proporcional al tamaño relativo del estrato y a la desviación estándar en la distribución de las características entre los elementos en ese estrato. Las unidades de muestra de cada estrato están determinadas por el investigador y la justificación de su estudio.
- Elija una población objetivo.
- Enumere todos los elementos en la población objetivo.
- Según el tema del estudio, elija una variable de estratificación por la cual la población se puede dividir en subgrupos o estratas homogéneos.
- Enumere todos los elementos en la población objetivo de acuerdo con las estratificaciones elegidas.
- Elija un tamaño de muestra para el estudio.
- Calcule el tamaño de la muestra de cada estrato. Esto dependerá del tipo de muestreo estratificado que se esté empleando; ya sea proporcionado o desproporcionado.
- Use un muestreo aleatorio simple para elegir elementos de cada estrato, teniendo en cuenta el tamaño de la muestra del estrato.
- Cuando los estudios tienen como objetivo encontrar correlaciones o diferencias (o cualquier tipo de relación) entre diferentes subgrupos de una población.
- Cuando los investigadores intentan estudiar solo estratas específicas de la población.
- Cuando los investigadores desean ahorrar tiempo teniendo un tamaño de muestra más pequeño, el muestreo estratificado se puede usar para elegir un grupo de muestra, ya que es un método altamente preciso de muestreo y, por lo tanto, no se requiere un tamaño de muestra grande.
- Permite hacer comparaciones entre subgrupos de una población, ya que la población se divide en estratas homogéneas basadas en características compartidas.
- El método de muestreo de probabilidad más preciso y eficiente en comparación con otros diseños de muestreo a medida que los elementos se eligen de múltiples grupos distintos de una población, especialmente cuando se les ayuda las herramientas de encuestas en línea.
- Se pueden usar tamaños de muestreo más pequeños ya que el muestreo aleatorio estratificado tiene una alta precisión. Esto ahorra el tiempo de los investigadores al realizar la investigación.
¿Cómo se hace el muestreo estratificado?
El muestreo, incluido el ensayo, es la eliminación de una muestra de acuerdo con un procedimiento especificado. Sirve para hacer declaraciones confiables sobre la calidad, la naturaleza o la composición de un material específico. El proceso de retiro crea una prueba, pero estas muestras se pueden reunir en muestras colectivas o mixtas o compartir en consecuencia utilizando una pieza de ensayo. Tiene sentido generar una muestra representativa que sea lo más reproducible posible. Para demostrar esto, hay métodos en estadísticas.
En el sentido original, el muestreo se refiere coloquialmente a la prueba para probar algo o para determinar las propiedades en otros análisis posteriores.
En este momento, el término muestreo (en el tren de muestra de Suiza) también se considera un término genérico para toda el área
- Eliminar muestras individuales
- Mezclar muestras o piezas a muestras parcialmente
- Preparación, posiblemente trituración, división de tamiz… hasta una muestra de laboratorio que puede ensayarse en un laboratorio para ensayar en un laboratorio.
Para los estudios analíticos en el laboratorio, es importante tener la prueba de laboratorio más representativa. Esto significa que la cantidad principalmente examinada en el laboratorio debe proporcionar análisis de análisis y medición que sean significativos para un juego significativamente mayor (contenido de un vagón, carga de un barco, piso de una propiedad en análisis ambiental, etc.). [1] El estado de agregación del juego a examinar a menudo juega un papel importante.
¿Cuándo se realiza el muestreo estratificado?
En las encuestas estadísticas, cuando las subpoblaciones dentro de una población general varían, podría ser ventajosa probar cada subpoblación (estrato) de forma independiente. La estratificación es el proceso de dividir a los miembros de la población en subgrupos homogéneos antes del muestreo. Los estratos deberían definir una partición de la población. Es decir, debe ser colectivamente exhaustivo y mutuamente excluyente: cada elemento de la población debe asignarse a un solo estrato. Luego se aplica un muestreo aleatorio simple dentro de cada estrato. El objetivo es mejorar la precisión de la muestra reduciendo el error de muestreo. Puede producir una media ponderada que tenga menos variabilidad que la media aritmética de una muestra aleatoria simple de la población.
Suponga que necesitamos estimar el número promedio de votos para cada candidato en una elección. Suponga que un país tiene 3 ciudades: la ciudad A tiene 1 millón de trabajadores de fábrica, Town B tiene 2 millones de trabajadores de consultorio y Town C tiene 3 millones de jubilados. Podemos elegir obtener una muestra aleatoria de tamaño 60 sobre toda la población, pero existe la posibilidad de que la muestra aleatoria resultante esté mal equilibrada en estas ciudades y, por lo tanto, está sesgada, lo que causa un error significativo en la estimación (cuando el resultado de interés tiene un Diferente distribución, en términos del parámetro de interés, entre las ciudades). En cambio, si elegimos tomar una muestra aleatoria de 10, 20 y 30 de la ciudad A, B y C respectivamente, entonces podemos producir un error menor en la estimación del mismo tamaño total de la muestra. Este método generalmente se usa cuando una población no es un grupo homogéneo.
- La asignación proporcional utiliza una fracción de muestreo en cada uno de los estratos que es proporcional a la de la población total. Por ejemplo, si la población consta de n individuos totales, M de los cuales son hombres y f mujeres (y donde m + f = n), entonces el tamaño relativo de las dos muestras (x1 = m/n machos, x2 = f/ n hembras) deben reflejar esta proporción.
- Asignación óptima (o asignación desproporcionada): la fracción de muestreo de cada estrato es proporcional tanto a la proporción (como anterior) como a la desviación estándar de la distribución de la variable. Se toman muestras más grandes en los estratos con la mayor variabilidad para generar la menor varianza de muestreo general posible.
Un ejemplo del mundo real del uso de muestreo estratificado sería para una encuesta política. Si los encuestados necesitaran reflejar la diversidad de la población, el investigador buscaría específicamente incluir a los participantes de varios grupos minoritarios como la raza o la religión, en función de su proporcionalidad con la población total como se mencionó anteriormente. Por lo tanto, una encuesta estratificada podría afirmar que es más representativa de la población que una encuesta de muestreo aleatorio simple o muestreo sistemático.
¿Qué es el muestreo estratificado características?
El muestreo aleatorio laminado es un método de muestreo que involucra la división de una población en subgrupos más pequeños llamados estratos. En el laminado aleatorio o el muestreo de estratificación, los estratos se forman sobre la base de los atributos o características conjuntas de miembros como el ingreso o el nivel de educación.
El muestreo laminado aleatorio también se llama muestreo aleatorio proporcional o muestreo aleatorio por cuotas.
- El muestreo aleatorio laminado permite a los investigadores obtener una muestra de población que representa mejor a toda la población estudiada.
- El muestreo aleatorio laminado consiste en dividir a toda la población en grupos homogéneos llamados estratos.
- El muestreo aleatorio laminado difiere del muestreo aleatorio simple, lo que implica la selección aleatoria de datos de una población completa, de modo que cada muestra posible tiene una probabilidad igual de ocurrir.
Cuando realiza un análisis o investigación sobre un grupo de entidades con características similares, un investigador puede ver que el tamaño de la población es demasiado importante para que él haga una búsqueda. Para ahorrar tiempo y dinero, un analista puede adoptar un enfoque más factible seleccionando un pequeño grupo de la población. El grupo pequeño se llama tamaño de muestra, que es un subconjunto de la población utilizada para representar a toda la población. Se puede seleccionar una muestra en una población de varias maneras, una de las cuales es el método de muestreo aleatorio laminado.
¿Qué ventajas se obtienen de la estratificación?
La aleatorización de pacientes a diferentes grupos de terapia se ha establecido a un estándar de oro en ensayos clínicos. Pero la pre-estratificación de la aleatorización se ha discutido como un tema controvertido en este contexto. Para apoyar la decisión del investigador con respecto a la estratificación en la fase de planificación de un ensayo, investigamos el impacto de la estratificación con respecto al riesgo de desequilibrio pronóstico entre los grupos de tratamiento mediante un enfoque de simulación. We give a comprehensive overview of the risk for pre-defined imbalances, several trial sizes and prevalence of a prognostic factor, comparing stratified vs. unstratified randomization.We quantified the maximum risk of a prognostic imbalance due to randomization of 59 % (complete randomization CR , N = 30, prevalencia de un factor pronóstico 50 %). Para el error de tipo I, calculamos un máximo de 32 % (aleatorización de bloques de bloque permutado PBR (b), n = 100, tasa de éxito promedio 50 %) para una diferencia clínicamente relevante, y aproximadamente el 5 % para una diferencia estadísticamente significativa en los ensayos con N = 100 o 400 pacientes. La estratificación puede ser útil para reducir este riesgo en hasta 16 puntos porcentuales (PP) para diferencias clínicas en el caso de una gran tasa de éxito promedio del 50 %y grandes diferencias entre los estratos (10 %frente a 90 %) en pequeños ensayos de n = 100. Para las diferencias estadísticas, sin embargo, el impacto de la estratificación es bastante insignificante.
- Factor pronóstico
- Tasa de éxito
- Grupo de terapia
- Gran juicio
- Juicio pequeño
Estas palabras clave fueron agregadas por máquina y no por los autores. Este proceso es experimental y las palabras clave pueden actualizarse a medida que mejora el algoritmo de aprendizaje.
Artículos Relacionados:
