Muestra

Que es una muestra?

Una muestra se refiere a una versión más pequeña y manejable de un grupo más grande. Es un subconjunto que contiene las características de una población más grande. Las muestras se usan en pruebas estadísticas cuando el tamaño de la población es demasiado grande para que la prueba incluya todos los miembros u observaciones posibles. Una muestra debe representar a la población en su conjunto y no reflejar ningún sesgo hacia un atributo específico.

Existen varias técnicas de muestreo utilizadas por investigadores y estadísticos, cada una con sus propios beneficios y desventajas.

Conclusiones clave

  • En estadística, una muestra es un subconjunto analítico de una población más grande.
  • El uso de muestras permite a los investigadores realizar sus estudios con datos más manejables y de manera oportuna.
  • Las muestras extraídas al azar no tienen mucho sesgo si son lo suficientemente grandes, pero lograr dicha muestra puede ser costoso y lento.
  • En el muestreo aleatorio simple, cada entidad de la población es idéntica, mientras que el muestreo aleatorio estratificado divide la población general en grupos más pequeños.& amp; amp; nbsp;

Comprensión de muestras

Una muestra es un número imparcial de observaciones tomadas de una población. En términos simples, una población es el número total de observaciones (p. Ej., individuos, animales, artículos, datos, etc.) contenido en un grupo o contexto dado. Una muestra, en otras palabras, es una porción, parte o fracción de todo el grupo, y actúa como un subconjunto de la población. Las muestras se usan en una variedad de entornos donde se realiza la investigación. Científicos, especialistas en marketing, agencias gubernamentales, economistas y grupos de investigación se encuentran entre los que usan muestras para sus estudios y mediciones.

El uso de poblaciones enteras para la investigación conlleva desafíos. Los investigadores pueden tener problemas para obtener acceso inmediato a poblaciones enteras. Y, debido a la naturaleza de algunos estudios, los investigadores pueden tener dificultades para obtener los resultados que necesitan de manera oportuna. Es por eso que se usan muestras de personas. El uso de un número menor de personas que representan a toda la población aún puede producir resultados válidos al tiempo que reduce el tiempo y los recursos.

Las muestras utilizadas por los investigadores deben parecerse a la población en general para hacer inferencias o predicciones precisas. Todos los participantes en la muestra deben compartir las mismas características y cualidades. Entonces, si el estudio trata sobre estudiantes de primer año universitarios masculinos, la muestra debe ser un pequeño porcentaje de hombres que se ajusten a esta descripción. Del mismo modo, si un grupo de investigación realiza un estudio sobre los patrones de sueño de mujeres solteras mayores de 50 años, la muestra solo debe incluir a las mujeres dentro de este grupo demográfico.

Consideraciones especiales

Considere un equipo de investigadores académicos que quieran saber cuántos estudiantes estudiaron durante menos de 40 horas para el examen CFA y aún así aprobaron. Dado que más de 200,000 personas toman el examen a nivel mundial cada año, llegar a todos y cada uno de los participantes del examen quemaría tiempo y recursos.

De hecho, para cuando los datos de la población hayan sido recopilados y analizados, habrían pasado un par de años, haciendo que el análisis no tuviera valor ya que habría surgido una nueva población. Lo que los investigadores pueden hacer es tomar una muestra de la población y obtener datos de esta muestra.

Para lograr una muestra imparcial, la selección debe ser aleatoria para que todos los miembros de la población tengan la misma posibilidad de ser agregados al grupo de muestra. Esto es similar a un sorteo de lotería y es la base para un muestreo aleatorio simple.

& lt; h3 / & gt ;

Para una muestra imparcial, la selección debe ser aleatoria para que todos en la población tengan las mismas posibilidades de ser agregados al grupo.

Tipos de muestreo

Muestreo aleatorio simple

El muestreo aleatorio simple es ideal si cada entidad de la población es idéntica. Si los investigadores no lo hacen # x2019; no les importa si sus sujetos de muestra son todos hombres o mujeres o una combinación de ambos sexos de alguna forma, el muestreo aleatorio simple puede ser una buena técnica de selección.

Let & amp; apos; s dice que hubo 200,000 examinados que se presentaron al examen CFA en 2016, de los cuales el 40% eran mujeres y el 60% eran hombres. La muestra aleatoria extraída de la población debería, por lo tanto, tener 400 mujeres y 600 hombres para un total de 1,000 examinados.

Pero, ¿qué pasa con los casos en que es importante conocer la proporción de hombres y mujeres que pasaron una prueba después de estudiar durante menos de 40 horas?? Aquí, una muestra aleatoria estratificada sería preferible a una muestra aleatoria simple.

Muestreo aleatorio estratificado

Este tipo de muestreo, también conocido como muestreo aleatorio proporcional o muestreo aleatorio de cuota, divide la población general en grupos más pequeños. Estos se conocen como estratos. Las personas dentro de los estratos comparten características similares.

¿Qué pasaría si la edad fuera un factor importante que los investigadores desearían incluir en sus datos?? Usando la técnica de muestreo aleatorio estratificado, podrían crear capas o estratos para cada grupo de edad. La selección de cada estrato tendría que ser aleatoria para que todos en el soporte tengan una posibilidad probable de ser incluidos en la muestra. Por ejemplo, dos participantes, Alex y David, tienen 22 y 24 años, respectivamente. La selección de muestra no puede elegir una sobre la otra en función de algún mecanismo preferencial. Ambos deberían tener la misma posibilidad de ser seleccionados de su grupo de edad. Los estratos podrían verse así:

Estratos (Edad)
Número de personas en población
Número que se incluirá en la muestra
20-24
30,000
150
25-29
70,000
350
30-34
40,000
200
35-39
30,000
150
40-44
20,000
100)
& amp; gt; 44
10.000
50)
Total
200,000
1,000

De la tabla, la población se ha dividido en grupos de edad. Por ejemplo, 30,000 personas dentro del rango de edad de 20 a 24 años tomaron el examen CFA en 2016. Usando esta misma proporción, el grupo de muestra tendrá (30,000 & amp; # xF7; 200,000) x 1,000 = 150 examinados que caen dentro de este grupo. Alex o David & amp; # x2014; o ambos o ninguno & amp; # x2014; puede incluirse entre los 150 participantes de la muestra en el examen aleatorio.

Hay muchos más estratos que podrían compilarse al decidir el tamaño de una muestra. Algunos investigadores pueden poblar las funciones del trabajo, países, estado civil, etc. de los examinados al decidir cómo crear la muestra.

Ejemplos de muestras

A partir de 2017, la población mundial era de 7.500 millones, de los cuales el 49,6% eran mujeres y el 50,4% eran hombres. El número total de personas en un país determinado también puede ser de tamaño poblacional. El número total de estudiantes en una ciudad se puede tomar como una población, y el número total de perros en una ciudad también es un tamaño de población. Se pueden tomar muestras de estas poblaciones con fines de investigación.

Siguiendo nuestro ejemplo de examen CFA, los investigadores podrían tomar una muestra de 1,000 participantes de CFA del total de 200,000 examinados y amp; # x2014; la población & amp; # x2014; y ejecutar los datos requeridos en este número. La media de esta muestra se tomaría para estimar el promedio de los examinados de CFA que aprobaron a pesar de que solo estudiaron durante menos de 40 horas.

El grupo de muestra tomado no debe estar sesgado. Esto significa que si la media de la muestra de los 1,000 participantes en el examen CFA es 50, la media de la población de los 200,000 examinados también debe ser de aproximadamente 50.

Preguntas frecuentes

¿Por qué los analistas usan muestras en lugar de medir la población??

A menudo, una población es demasiado grande o extensa para medir a cada miembro y medir a cada miembro sería costoso y lento. Una muestra permite hacer inferencias sobre la población utilizando métodos estadísticos.

¿Qué es una muestra aleatoria simple??

Este método de muestreo utiliza encuestados o puntos de datos que se seleccionan aleatoriamente de la población más grande. Con un tamaño de muestra lo suficientemente grande, una muestra aleatoria elimina el sesgo.

¿Por qué las muestras aleatorias permiten la inferencia??

Las leyes de las estadísticas implican que se pueden realizar mediciones y evaluaciones precisas sobre una población utilizando una muestra. El análisis de varianza (ANOVA), la regresión lineal y las técnicas de modelado más avanzadas son válidas debido a la ley de grandes números y al teorema del límite central.

¿Qué tan grande de muestra necesita??

Esto dependerá del tamaño de la población y del tipo de análisis que usted y amp; apos; les gustaría hacer (p. Ej., qué intervalos de confianza está utilizando). El análisis de potencia es una técnica para evaluar matemáticamente el tamaño de muestra más pequeño necesario en función de sus necesidades. Otra regla general es que su muestra debe ser lo suficientemente grande, pero no más del 10% tan grande como la población.

Latest stories

You might also like...