Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Trabajp de Estadistica
Trabajp de Estadistica
Trabajo encargado
número 1 de estadística
15192119
AYACUCHO- PERÚ
2019
DEDICATORIA
El muestreo probabilístico es una técnica de muestreo en virtud de la cual las muestras son
recogidas en un proceso que brinda a todos los individuos de la población las mismas
oportunidades de ser seleccionados.
En esta técnica de muestreo, el investigador debe garantizar que cada individuo tenga las
mismas oportunidades de ser seleccionado y esto se puede logara si el investigador utiliza
la aleatorizacion.
La ventaja de utilizar una muerta aleatoria es la ausencia de sesgos muestreo y sistemático.
Si la selección aleatoria se hace correctamente, la muestra será representativa de toda la
población
El efecto de esto es un sesgo sistemático ausente o mínimo que es la diferencia entre los
resultados de la muestra y los resultados de la población. El sesgo de muestreo también se
elimina ya que los sujetos son elegidos al azar.
A continuación, a ciegas se seleccionan las fichas desde el recipiente hasta que se haya
obtenido el tamaño de muestra deseado. Las desventajas de este método de selección es que
consume mucho tiempo, y se limita a poblaciones pequeñas.
Los números que el investigador encuentra que no concuerdan con los números asignados a
elementos de la población objetivo son ignorados. Este proceso de la tabla de números
aleatorios es un proceso tedioso, consume tiempo, y no se recomienda para grandes
poblaciones.
Hay dos tipos de muestreo aleatorio simple: el muestreo con reemplazo y sin reemplazo.
Entre sus puntos fuertes están que tiende a producir muestras representativas y
permite el uso de la estadística inferencial en el análisis de datos recogidos.
Cada selección es independiente de otras selecciones; Todas las combinaciones
posibles de unidades de muestreo tienen la misma oportunidad de ser seleccionadas. En
el muestreo sistemático, las posibilidades de ser seleccionado no son independientes
entre sí.
En general, es más fácil que otros procedimientos de muestreo probabilístico (tales
como el muestreo por conglomerados) de comprender y comunicar a otros.
Los procedimientos estadísticos requeridos para analizar los datos y calcular los
errores son más fáciles que los requeridos en otros procedimientos de muestreo
probabilístico. Te recomiendo leer: Tipos de errores. Consejos para que tu investigación
no caiga en ellos
Entre las desventajas están que se requiere un marco de muestreo de elementos de la
población objetivo. Un marco de muestreo apropiado puede que no exista para la
población que se dirige, y puede que no sea factible o práctico construir uno. En este
caso el muestreo por conglomerados no requiere de una toma de muestra de los
elementos de la población objetivo.
El muestreo aleatorio simple tiende a tener errores de muestreo más grandes y
menos precisión de muestreo estratificado del mismo tamaño de la muestra.
Los encuestados pueden estar muy dispersos, por tanto, los costos de la recolección
de datos pueden ser superiores a las de otros diseños de la muestra de probabilidad, como
el muestreo por conglomerados.
El muestreo aleatorio simple puede no producir un número suficiente de elementos
de pequeños subgrupos. Esto no haría de un muestreo aleatorio simple una buena opción
para los estudios que requieren un análisis comparativo de las categorías pequeñas de
una población con categorías mucho más amplias de la población.
Fortalezas
Debilidades
En comparación con otros procedimientos
En comparación con otros procedimientos de
de
muestreo probabilístico
Muestreo probabilístico
Los procedimientos estadísticos necesarios Si la población está muy dispersa, los costos por
para analizar errores de datos y de software recolección de datos pueden ser más altos que los
de estadísticas son más fáciles. de otros diseños de la muestra de probabilidad.
2. MUESTREO ESTRATIFICADO
El muestreo aleatorio estratificado también es conocido como muestreo aleatorio
proporcional. Ésta es una técnica de muestreo probabilístico en donde los sujetos son
inicialmente agrupados en diferentes categorías, tales como la edad, el nivel
socioeconómico o el género.
Esta se usa cuando la población no es homogénea, sino que pueden en ella identificarse
clases definidos por algún atributo o característica relacionada con la variable que se
estudia
El estratificado proporcional
El número de elementos asignados a diversos estratos es proporcional a la representación
de los estratos de la población objetivo. Es decir, el tamaño de la muestra extraída de cada
estrato es proporcional con el tamaño relativo de ese estrato de la población objetivo.
La fracción de muestreo es aplicada a cada estrato, dando a cada elemento de la población
la misma oportunidad para ser seleccionados. La muestra resultante es una muestra
autoponderada. Este procedimiento de muestreo se utiliza cuando el propósito de la
investigación es estimar los parámetros poblacionales.
En comparación con el muestreo aleatorio simple, las fortalezas del muestreo estratificado
incluyen:
Obtiene una muestra más representativa Es más caro, consume tiempo, y es más
porque se asegura de que los elementos de complicado que el muestreo aleatorio
cada estrato son representado en la muestra. simple.
Formula:
3. MUSTREO CONGLOMERADO
Se unas en poblaciones grandes y muy dispersas desde el punto de vista geográfico, y en las
cuales el muestreo aleatorio simple seria poco económico debido a que daría lugar a
muestras igualmente dispersas.
En este tipo de muestreo, en lugar de seleccionar directamente los elementos de la
población se hace una selección inicial de grupos o conglomerados, que son agrupaciones
de elementos que deben ser lo más heterogenia posible a diferencia de los estratos, de
suerte que cada una de ellas resulte una réplica reducida de la población, la muestra general
está formado por todas o por una submuestra de las unidades en cada conglomerado.
Estos tipos de muestras se emplean solos o combinados, en etapas múltiples, con
restricciones y en consideraciones tales como el costo
El uso de uno otro, depende de las características de la población y de las condiciones en
que se encuentra, buscando siempre la mayor representatividad de la muestra y la
simplificación de trabajo, de forma que haga posible la realización del muestreo con calidad
y con acto moderado
El proceso de muestreo:
El primer paso para aplicar esta técnica es definir los conglomerados. Se trata de identificar
una característica que permita dividir la población en grupos disjuntos (sin solapamiento) y
de forma exhaustiva (todos los individuos deben estar en un grupo), de tal manera que los
grupos no difieran entre sí en relación a aquello que queremos medir. Una vez hemos
definido estos conglomerados, seleccionaremos al azar algunos de ellos para estudiarlos.
Ventajas y desventajas del muestreo por conglomerado:
NOTA:
Esta técnica de muestreo probabilístico implica una combinación de dos o más técnicas de
muestreo enumeradas anteriormente. En la mayoría de las investigaciones complejas
realizadas en el campo o en el laboratorio, no es adecuado utilizar un solo tipo de muestreo
probabilístico.
Los
sujetos de una investigación específica, son seleccionados para el estudio sólo porque son
más fáciles de reclutar y el investigador no está considerando las características de
inclusión de los sujetos que los hace representativos de toda la población.
En todas las formas de investigación, sería ideal generalizar los resultados a la totalidad de
la población, pero en la mayoría de los casos, la población es demasiado grande y resulta
imposible incluir cada individuo. Esta es la razón por la cual la mayoría de los
investigadores utilizan técnicas de muestreo, como el muestreo de conveniencia, la más
común de todas las técnicas de muestreo. Muchos investigadores prefieren esta técnica de
muestreo, ya que es rápida, barata, fácil y sobre todo, los sujetos están disponibles.
Ejemplos:
2. MUESTREO CONSECUTIVO:
El muestreo consecutivo es muy similar al muestreo por conveniencia, excepto que intenta
incluir a todos los sujetos accesibles como parte de la muestra. Esta técnica de muestreo no
probabilístico puede ser considerada la mejor muestra no probabilística, ya que incluye a
todos los sujetos que están disponibles, lo que hace que la muestra represente mejor a toda
la población.
Uno de los ejemplos más comunes de un muestreo consecutivo es cuando las compañías
paran a la gente en una alameda u otra área y les entregan los folletos promocionales sobre
un nuevo modelo de coches. En este ejemplo, las personas que caminan en el centro
comercial pueden ser consideradas como muestra representativa de una población.
El ejecutivo ahora hace preguntas a otro grupo de personas, que analizan los detalles del
coche y muestran un gran interés. Por lo tanto, este grupo de personas ha proporcionado
resultados concluyentes para la compra del coche.
La hipótesis nula se define como una hipótesis estadística, indirecta o implícita, en la que
no existe una diferencia significativa entre el conjunto de variables involucradas en la
investigación o el experimento. En términos estadísticos, la expresión original suele estar
representada por H0. Si se acepta la hipótesis nula, el investigador no hará ningún cambio
en sus opiniones o acciones.
Una hipótesis alternativa es lo contrario de la hipótesis nula, ya que es directa y explícita.
Existe una relación entre las dos variables involucradas en el estudio. Se acepta una
hipótesis alternativa cuando se rechaza una hipótesis nula. Una hipótesis alternativa es
denotada por H1.
El muestreo de bola de nieve se lleva a cabo generalmente cuando hay una población muy
pequeña. En este tipo de muestreo, el investigador le pide al primer sujeto que identifique a
otro sujeto potencial que también cumpla con los criterios de la investigación. La
desventaja de usar una muestra de bola de nieve es que difícilmente sea representativa de la
población.
El muestreo de bola de nieve es una técnica de muestreo no probabilístico utilizada por los
investigadores para identificar a los sujetos potenciales en estudios en donde los sujetos son
difíciles de encontrar.
Los investigadores utilizan este método de muestreo si la muestra para el estudio es muy
rara o si está limitada a un subgrupo muy pequeño de la población. Este tipo de técnica de
muestreo funciona en cadena. Luego de observar al primer sujeto, el investigador le pide
ayuda a él para identificar a otras personas que tengan un rasgo de interés similar.
El proceso de muestreo de bola de nieve es como pedirles a tus sujetos que designen a otra
persona con el mismo rasgo como el próximo sujeto. Luego, el investigador observa a los
sujetos designados y sigue de la misma manera hasta obtener el número suficiente de
sujetos.
Por ejemplo, para obtener sujetos para un estudio que quiere analizar una enfermedad rara,
el investigador puede elegir utilizar el muestreo de bola de nieve, ya que será difícil obtener
sujetos. También es posible que los pacientes con la misma enfermedad tengan un grupo de
apoyo, y si uno de sus miembros es tu primer sujeto, lo más probable es que allí encuentres
más sujetos para el estudio.
Esta técnica de muestreo necesita poca planificación y menos mano de obra que
otras técnicas de muestreo.
Así como también tenemos las desventajas.
El investigador tiene poco control sobre el método de muestreo. Los sujetos que el
investigador puede obtener se basan principalmente en los sujetos observados
anteriormente.
La representatividad de la muestra no está garantizada. El investigador no tiene ni
idea de la verdadera distribución de la población ni de la muestra.
Este tipo de muestreo puede ser utilizado cuando se quiere mostrar que existe un
rasgo determinado en la población.
Esta técnica también se puede utilizar en un estudio inicial que será llevado a cabo
nuevamente utilizando un muestreo probabilístico aleatorio.