Muestreo probabilístico
-
Upload
abel-bryan-inamagua-paz -
Category
Education
-
view
140 -
download
2
Transcript of Muestreo probabilístico
Investigación de Mercados
Expositores
• Xavier Palacios • María del Cisne Moncayo • Fernando Balda • María de los Ángeles Estrada • José Calderón • Abel Iñamagua
Ing. Mora Carchi Rodrigo
Muestreo Es una herramienta de la investigación científica, cuya
función básica es determinar que parte de una
población debe examinarse, con la finalidad de hacer
inferencias sobre dicha población.
Método de Muestreo Es el sistema que se utiliza para el cálculo de la
muestra; se cataloga en dos grandes grupos:
probabilístico y no probabilístico.
Esto se subdivide a su vez en otros tipos de
muestreo de acuerdo con lo que se quiere
detectar.
Es una técnica de muestreo que integra a toda
la población dándole la oportunidad de
participar en la muestra; el investigador debe
garantizar que cada individuo tenga la misma
probabilidad de ser seleccionado.
Muestreo Aleatorio Simple
Es la forma mas fácil, lo único que el investigador tiene que hacer es
asegurarse de que todos los miembros de la población sean incluidos en
la lista y luego seleccionar aleatoriamente el número deseado de sujetos.
VENTAJAS INCONVENIENTES
Sencillo y de fácil comprensión.
Cálculo rápido de medias y
varianzas.
Se basa en la teoría estadística, y
por tanto existen paquetes
informáticos para analizar los datos.
Requiere que se posea de antemano
un listado completo de toda la
población. Cuando se trabaja con
muestras pequeñas es posible que
no represente a la población
adecuadamente.
Un colegio tiene 120 alumnos de bachillerato, se requiere extraer una ,
muestra de 30 alumnos.
1. Se enumeran los alumnos del 1 al 120.
2. Se sortean 30 números de entre los 120.
3. La muestra estará formada por los 30 alumnos a los que
correspondan los números obtenidos.
Muestreo Aleatorio Sistemático
El investigador debe numerar las observaciones de 1 a n. Luego
determinar el intervalo de muestreo (IM), que consiste en dividir el
número total de observaciones o unidades de muestreo de la población
entre el tamaño deseado de muestra; es decir:
IM= n /N
VENTAJAS INCONVENIENTES
Fácil de aplicar.
No siempre es necesario tener un
listado de toda la población.
Cuando la población está ordenada
siguiendo una tendencia conocida,
asegura una cobertura de unidades
de todos los tipos.
Si la constante de muestreo está
asociada con el fenómeno de
interés, las estimaciones obtenidas
a partir de la muestra pueden
contener sesgo de selección.
Una población total de 100 individuos y necesita 12 sujetos. Primero
elige su número de partida, 5.
Luego, el investigador elige su intervalo, 8. Los miembros de su
muestra serán los individuos 5, 13, 21, 29, 37, 45, 53, 61, 69, 77, 85, 93.
Es relativamente habitual definir estratos de acuerdo a algunas
variables características de la población como son la edad, sexo, clase
social o región geográfica.
Muestreo Estratificado
VENTAJAS INCONVENIENTES
Tiende a asegurar que la muestra
represente adecuadamente a la
población en función de unas
variables seleccionadas.
Su objetivo es conseguir una
muestra lo más semejante posible la
población en lo que a la o las
variables estratificadoras se refiere.
Se ha de conocer la distribución en
la población de las variables
utilizadas para la estratificación.
El investigador divide a toda la población en
diferentes estratos se denomina afijación, y
puede ser de diferentes tipos:
Afijación Estratificado Simple
A cada estrato le corresponde igual número de elementos muéstrales.
Afijación Estratificado Proporcional
Ejemplo
Cuando seleccionamos una característica de los individuos para definir los estratos, suele ocurrir que el tamaño de las subpoblaciones resultantes en el universo son diferentes.
Queremos estudiar el % de la población que fuma en Canadá y pensamos que la edad puede ser un buen criterio para estratificar (es decir, pensamos que existen diferencias importantes en el hábito de fumar dependiendo de la edad). Definimos 3 estratos: menores de 20 años, de 20 a 44 años y mayores de 44 años. Es de esperar que al dividir toda la población canadiense en estos 3 estratos no resulten grupos de igual tamaño. Efectivamente, si miramos datos oficiales, obtenemos:
Estrato 1 – Población Canadiense menor de 19 años: 42,4 millones (41,0%) Estrato 2 – Población Canadiense de 20 a 44 años: 37,6 millones (36,3%) Estrato 3 – Población Canadiense mayor de 44 años: 23,5 millones (22,7%)
Si usamos muestreo estratificado proporcionado, la muestra deberá tener estratos que guarden las mismas proporciones observadas en la población. Si en este ejemplo queremos crear una muestra de 1.000 individuos, los estratos tendrán que tener un tamaño como sigue:
Estrato Población Proporción Muestra
1 42,4M 41,0% 410
2 37,6M 36,3% 363
3 23,5M 22,7% 227
Afijación Estratificado Uniforme
Hablaremos de una afijación uniforme cuando asignamos el mismo
tamaño de muestra a todos los estratos definidos, sin importar el peso
que tienen esos estratos en la población.
Ejemplo
Esta técnica favorece los estratos que tienen menos peso en la población, equiparándolos en importancia a los estratos más relevantes. Globalmente, reduce la eficiencia de nuestra muestra (menor precisión en los resultados), pero como contrapartida permite estudiar características particulares de cada estrato con mayor precisión. En nuestro ejemplo, si queremos emitir alguna afirmación específica sobre la población del estrato 3 (mayores de 44 años), podremos hacerlo con menor nivel de error muestra si empleamos una muestra de 333 unidades que si lo hacemos con una muestra de 227 (como ocurría en el muestreo estratificado proporcional).
Estrato Población Proporción Muestra
1 42,4M 41,0% 334
2 37,6M 36,3% 333
3 23,5M 22,7% 333
Muestreo Aleatorio por Conglomerados
Consiste en seleccionar aleatoriamente un cierto número de conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en investigar después todos los elementos pertenecientes a los conglomerados elegidos.
VENTAJAS INCONVENIENTES
Es muy eficiente cuando la
población es muy grande y
dispersa.
No es preciso tener un listado de
toda la población, sólo de las
unidades primarias de muestreo.
El error estándar es mayor que en el
muestreo aleatorio simple o
estratificado.
El cálculo del error estándar es
complejo.
Sería el que nos condujera a seleccionar una muestra de alumnos de Educación Infantil / Preescolar de la ciudad de Sevilla de acuerdo con el siguiente proceso:
a) seleccionamos al azar 5 distritos municipales de Sevilla;
b) en cada distrito, seleccionamos 3 centros educativos;
c) en cada centro educativo elegiremos aleatoriamente uno de los grupos de
Educación Infantil/Preescolar,
d) finalmente, en cada grupo seleccionaremos 15 sujetos al azar, con lo que
habremos seleccionado una muestra total de 225 alumnos.