El muestreo aleatorio estratificado refleja con precisión la población que se está estudiando porque los investigadores estratifican a toda la población antes de aplicar métodos de muestreo aleatorio. En resumen, garantiza que cada subgrupo dentro de la población reciba una representación adecuada dentro de la muestra. Como resultado, el muestreo aleatorio estratificado proporciona una mejor cobertura de la población ya que los investigadores tienen control sobre los subgrupos para garantizar que todos ellos estén representados en el muestreo.
Con un muestreo aleatorio simple, no hay ninguna garantía de que se elija ningún subgrupo o tipo de persona en particular. En nuestro ejemplo anterior de los estudiantes universitarios, el uso de muestreo aleatorio simple para obtener una muestra de 100 de la población podría dar lugar a la selección de solo 25 estudiantes universitarios masculinos o solo el 25% de la población total. Además, se pueden seleccionar 35 mujeres graduadas (35% de la población) que resultan en la subrepresentación de estudiantes universitarios masculinos y la sobrerrepresentación de estudiantes graduadas. Cualquier error en la representación de la población tiene el potencial de disminuir la precisión del estudio.
El muestreo aleatorio estratificado también presenta a los investigadores una desventaja.
Desafortunadamente, este método de investigación no puede usarse en cada estudio. La desventaja del método es que se deben cumplir varias condiciones para que se use correctamente. Los investigadores deben identificar a todos los miembros de una población que se estudia y clasificar a cada uno de ellos en una subpoblación. Como resultado, el muestreo aleatorio estratificado es desventajoso cuando los investigadores no pueden clasificar con confianza a cada miembro de la población en un subgrupo. Además, encontrar una lista exhaustiva y definitiva de una población completa puede ser un desafío.
La superposición puede ser un problema si hay sujetos que caen en múltiples subgrupos. Cuando se realiza un muestreo aleatorio simple, es más probable que se elijan aquellos que se encuentran en múltiples subgrupos. El resultado podría ser una tergiversación o un reflejo inexacto de la población.
El ejemplo anterior lo facilita: el pregrado, el posgrado, los hombres y las mujeres son grupos claramente definidos. En otras situaciones, sin embargo, podría ser mucho más difícil. Imagine incorporar características como raza, etnia o religión. El proceso de clasificación se vuelve más difícil, lo que hace que el muestreo aleatorio estratificado sea un método ineficaz y menos que ideal.
¿Qué características tiene el muestreo estratificado?
El muestreo aleatorio estratificado es una herramienta estadística que usan los investigadores; Es una forma de investigación en profundidad y muy específica que conduce a resultados precisos. En todas las muestras aleatorias, cada miembro de una población tiene la misma oportunidad de ser elegido. Esto se realiza a través de una lotería manual, una herramienta de aleatorización generada por computadora, extrayendo un número de un sombrero, eligiendo a cada tercera persona, etc. La diferencia en las técnicas de muestreo aleatorio se encuentra dentro del tipo de método de muestreo aleatorio que se elige. A continuación se muestra las diferencias entre el muestreo aleatorio simple y el muestreo aleatorio estratificado:
En resumen, una muestra aleatoria simple se usa mejor cuando hay poco conocimiento previo sobre una población, y conduce a información general sobre una población. Una muestra aleatoria estratificada se usa mejor cuando los investigadores saben bastante sobre una población, y los investigadores quieren recibir información muy específica sobre una población.
Esta sección explica los pasos tomados en la creación de una muestra aleatoria estratificada.
- Definir una población de interés. Una población de interés podría ser personas que comparten características muy específicas o personas que comparten características muy generales. Aquí hay algunos ejemplos: estudiantes de secundaria, hombres, mujeres, fumadoras, mujeres embarazadas, hombres calcosos, niños que bailan, personas de 25 a 40 años, propietarios de viviendas, personas con maestría, etc.
- La población de interés se divide en estratos. Los estratos son subgrupos dentro de una población que comparten una característica específica. Se recomienda que el número de estratos permanezca entre 4 y 6 estratos. Por ejemplo: los investigadores eligieron grupos de edad como su categoría de estratos. La población de interés ahora se puede dividir en diferentes grupos de edad: 18-25, 26-40, 41-65, 66 y mayores.
- Asegúrese de que cada estrato sea homogéneo. Esto significa que no hay intersección dentro de los diferentes estratos. Una persona puede pertenecer a un estrato y solo un estrato. Por ejemplo, una persona que tiene 23 años estará solo en el estrato 18-25, no en ningún otro estrato.
Este gráfico de barras muestra subgrupos, o estratos, que son divididos por edades. Cada persona que cae en una categoría de edad no puede caer en otra categoría de edad. Esto hace que cada grupo sea homogéneo. Tenga en cuenta que este ejemplo tiene siete grupos. Los estadísticos recomiendan no más de 4-6 grupos en una muestra aleatoria estratificada.
¿Cómo se lleva a cabo el muestreo estratificado?
El muestreo estratificado, también conocido como muestreo aleatorio estratificado o muestreo aleatorio proporcional, es un método de muestreo que requiere que todas las muestras se agrupen sobre la base de algunos parámetros y que elijan muestras de cada uno de estos grupos en lugar de retirarlas aleatoriamente de toda la población. En esto, toda la población se divide en varios grupos de atributos similares y entre estas pocas muestras se eligen, mientras que en un muestreo aleatorio simple, todos los miembros de una población tienen la oportunidad de ser seleccionados para el muestreo.
Dado que la división de subgrupos o capas y una muestra total se toma para representar a toda la población depende del investigador, no existe una fórmula específica para el muestreo aleatorio estratificado. Sin embargo, la fórmula mencionada a continuación se usa ampliamente.
- Proporcionado: El propósito del muestreo estratificado es que se eligen algunas muestras de cada grupo para la selección final. En el muestreo proporcional, la base de muestra predeterminada es proporcional a todos los grupos creados. Por ejemplo, si se han creado 5 grupos de varios tamaños de la muestra, como 10, 30, 20, 100, 60 y 80. El investigador decidió elegir el 10% del tamaño de la población total, o 300. En este caso , 10 de cada grupo de muestra se eligirían como muestras totales a encontrar. Entonces, 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 por cada subgrupo y podríamos elegir cualquier método para llegar al tamaño de la muestra predeterminada. Si tomamos el ejemplo anterior, podríamos tomar cualquier número de cualquier grupo como 5,5,4,3,8 para obtener un tamaño de muestra total de 30, ya que podemos ver claramente que las muestras elegidas por varios grupos son desproporcionadas al tamaño del respectivo subgrupo.
Supongamos que un grupo de investigación lidera una encuesta para una compañía de bienes de consumo sobre los gustos y preferencias de las personas en las elecciones de alimentos. El equipo ha decidido tomar 3 categorías principales; Hombres, mujeres y niños. El número total de personas requeridas para la base de datos es cercana a 1 millón en números. ¿Cómo puede la muestreo aleatorio estratificado ayudar a los investigadores a recopilar los datos requeridos utilizando menos tiempo y recursos?
¿Cuál es la importancia del muestreo estratificado?
El muestreo estratificado se usa en la mayoría de las encuestas a gran escala debido a sus diversas ventajas, algunas de las cuales se describen a continuación:
Estimación de subpoblaciones: en los casos en que las estimaciones de las características de la población se necesitan no solo para toda la población sino también para sus diferentes subpoblaciones, uno debe tratar tales subpoblaciones como estratos. Por ejemplo, en una encuesta nacional de desempleo, el gobierno puede estar interesado en estimar las cifras de desempleo para todo el país y en los niveles provinciales. En este caso, cada provincia puede tomarse como un estrato.
Conveniencia administrativa: la agencia que realiza la encuesta puede estratificar la población de manera que la encuesta se pueda supervisar de manera eficiente, por ejemplo, la agencia puede nombrar supervisores separados para realizar una encuesta para cada uno de los estratos por separado.
Representatividad de la muestra: en el muestreo estratificado, la formación de estratos y la asignación de muestras a diferentes estratos se pueden hacer de tal manera que la muestra pueda representar a la población con respecto a las características en estudio. Por ejemplo, si queremos seleccionar una muestra de estudiantes de una escuela, que representa las diferentes razas de Sudáfrica, una muestra de muestreo aleatorio simple sin reemplazo (SRSWOR) de toda la escuela puede no ser representativa. En esta situación, se espera que un muestreo estratificado que use diferentes grupos raciales como estratos proporcione una muestra más representativa que una muestra de SRSWOR de toda la escuela.
Artículos Relacionados:
- Ventajas y desventajas del muestreo: ¿qué método de muestreo es el mejor para tu encuesta?
- Las ventajas del muestreo estadístico en la toma de decisiones empresariales
- Ventajas y desventajas del muestreo aleatorio simple
- Ventajas del muestreo probabilistico: más eficiencia, mejor precisión y menos sesgo
