¿Qué es el muestreo aleatorio estratificado?
el muestreo aleatorio estratificado es un método de muestreo que implica la división de una población en subgrupos más pequeños conocidos como estratos. En el muestreo aleatorio estratificado, o estratificación, los estratos se forman en función de los atributos o características compartidas de los miembros, como los ingresos o el nivel educativo.
el muestreo aleatorio estratificado también se denomina muestreo aleatorio proporcional o muestreo aleatorio de cuota.,
conclusiones clave
- El muestreo aleatorio estratificado permite a los investigadores obtener una población muestral que represente mejor a toda la población estudiada.
- El muestreo aleatorio estratificado implica dividir toda la población en grupos homogéneos llamados estratos.
- El muestreo aleatorio estratificado difiere del muestreo aleatorio simple, que implica la selección aleatoria de datos de una población entera, por lo que cada muestra posible es igualmente probable que ocurra.,
Muestreo Aleatorio Estratificado
¿Cómo Muestreo Aleatorio Estratificado Obras
a la hora de completar el análisis o la investigación sobre un grupo de entidades con características similares, un investigador puede encontrar que el tamaño de la población es demasiado grande para que se complete la investigación. Para ahorrar tiempo y dinero, un analista puede adoptar un enfoque más factible seleccionando un pequeño grupo de la población., El grupo pequeño se conoce como tamaño de muestra, que es un subconjunto de la población que se utiliza para representar a toda la población. Una muestra puede seleccionarse de una población a través de varias maneras, una de las cuales es el método de muestreo aleatorio estratificado.
un muestreo aleatorio estratificado implica dividir toda la población en grupos homogéneos llamados estratos (plural para estrato). A continuación, se seleccionan muestras aleatorias de cada estrato., Por ejemplo, considere a un investigador académico que le gustaría saber el número de estudiantes de MBA en 2007 que recibieron una oferta de trabajo dentro de los tres meses posteriores a la graduación.
pronto descubrirá que hubo casi 200,000 graduados de MBA para el año. Podría decidir simplemente tomar una muestra aleatoria simple de 50,000 graduados y realizar una encuesta. Mejor aún, podría dividir la población en estratos y tomar una muestra aleatoria de los estratos. Para hacer esto, crearía grupos de población basados en género, rango de edad, raza, país de nacionalidad y antecedentes profesionales., Una muestra aleatoria de cada estrato se toma en un número proporcional al tamaño del estrato cuando se compara con la población. Estos subconjuntos de los estratos se agrupan para formar una muestra aleatoria.
ejemplo de muestreo aleatorio estratificado
supongamos que un equipo de investigación desea determinar el GPA de estudiantes universitarios en los Estados Unidos.el equipo de investigación tiene dificultades para recopilar datos de los 21 millones de estudiantes universitarios; decide tomar una muestra aleatoria de la población utilizando 4,000 estudiantes.,
ahora supongamos que el equipo observa los diferentes atributos de los participantes de la muestra y se pregunta si hay alguna diferencia en los GPA y las carreras de los estudiantes. Supongamos que encuentra que 560 estudiantes son estudiantes de inglés, 1,135 son estudiantes de Ciencias, 800 son estudiantes de Ciencias de la computación, 1,090 son estudiantes de ingeniería y 415 son estudiantes de matemáticas. El equipo quiere utilizar una muestra aleatoria estratificada proporcional donde el estrato de la muestra es proporcional a la muestra aleatoria en la población.
asume que el equipo investiga la demografía de los estudiantes universitarios en la U.,S y encuentra el porcentaje de lo que los estudiantes se especializan en: 12% mayor en Inglés, 28% mayor en Ciencias, 24% mayor en Ciencias de la computación, 21% mayor en ingeniería, y 15% mayor en matemáticas. Por lo tanto, se crean cinco estratos a partir del proceso de muestreo aleatorio estratificado.
el equipo entonces necesita confirmar que el estrato de la población está en proporción al estrato en la muestra; sin embargo, encuentran que las proporciones no son iguales., Luego, el equipo necesita volver a muestrear a 4,000 estudiantes de la población y seleccionar aleatoriamente a 480 estudiantes de inglés, 1,120 de Ciencias, 960 de Ciencias de la computación, 840 de ingeniería y 600 de matemáticas.
con estos, tiene una muestra aleatoria estratificada proporcional de estudiantes universitarios, lo que proporciona una mejor representación de los estudiantes de carreras universitarias en los EE.UU. los investigadores pueden luego resaltar estrato específico, observar los diferentes estudios de estudiantes universitarios de los EE.UU. y observar los diversos promedios de calificaciones.,
muestras aleatorias simples Versus muestras aleatorias estratificadas
Las muestras aleatorias simples y las muestras aleatorias estratificadas son herramientas de medición estadística. Se utiliza una muestra aleatoria simple para representar toda la población de datos. Una muestra aleatoria estratificada divide la población en grupos más pequeños, o estratos, basados en características compartidas.,
la muestra aleatoria simple se utiliza a menudo cuando hay muy poca información disponible sobre la población de datos, cuando la población de datos tiene demasiadas diferencias para dividirse en varios subconjuntos, o cuando solo hay una característica distintiva entre la población de datos.
por ejemplo, una empresa de dulces puede querer estudiar los hábitos de compra de sus clientes para determinar el futuro de su línea de productos. Si hay 10,000 clientes, puede usar choose 100 de esos clientes como una muestra aleatoria., Luego puede aplicar lo que encuentra de esos 100 clientes al resto de su base. A diferencia de la estratificación, muestreará 100 miembros puramente al azar sin tener en cuenta sus características individuales.
estratificación proporcional y desproporcionada
el muestreo aleatorio estratificado garantiza que cada subgrupo de una población determinada esté adecuadamente representado dentro de toda la población muestral de un estudio de investigación. La estratificación puede ser proporcional o desproporcionada., En un método estratificado proporcional, el tamaño de la muestra de cada estrato es proporcional al tamaño de la población del estrato.
por ejemplo, si el investigador desea una muestra de 50.000 graduados utilizando el rango de edad, la muestra aleatoria estratificada proporcional se obtendrá utilizando esta fórmula: (tamaño de la muestra/Tamaño de la población) X Tamaño del estrato. La siguiente tabla asume una población de 180,000 graduados de MBA por año.,>
el Número de personas en el estrato
90,000
60,000
30,000
180,000
los Estratos de tamaño de la muestra
25,000
16,667
de 8.333
50,000
Los estratos de tamaño de la muestra para los graduados de MBA en el rango de edad de 24 a 28 años de edad se calcula como (50,000/180,000) x 90,000 = 25,000., El mismo método se utiliza para los otros grupos de edad. Ahora que se conoce el tamaño de la muestra de estratos, el investigador puede realizar un muestreo aleatorio simple en cada estrato para seleccionar a los participantes de la encuesta. En otras palabras, 25.000 graduados del grupo de edad de 24 a 28 años serán seleccionados al azar de toda la población, 16.667 graduados del grupo de edad de 29 a 33 serán seleccionados al azar de la población, y así sucesivamente.
en una muestra estratificada desproporcionada, el tamaño de cada estrato no es proporcional a su tamaño en la población., El investigador puede decidir muestrear 1/2 de los graduados dentro del grupo de edad 34-37 y 1/3 de los graduados dentro del grupo de edad 29-33.
es importante tener en cuenta que una persona no puede encajar en varios estratos. Cada entidad solo debe caber en un estrato. Tener subgrupos superpuestos significa que algunos individuos tendrán mayores probabilidades de ser seleccionados para la encuesta, lo que niega completamente el concepto de muestreo estratificado como un tipo de muestreo probabilístico.,
los gestores de Cartera puede utilizar el muestreo aleatorio estratificado para crear carteras de replicar un índice, tales como un índice de bonos.
ventajas del muestreo aleatorio estratificado
la principal ventaja del muestreo aleatorio estratificado es que captura las características clave de la población en la muestra. Similar a una media ponderada, este método de muestreo produce características en la muestra que son proporcionales a la población total., El muestreo aleatorio estratificado funciona bien para poblaciones con una variedad de atributos, pero es ineficaz si no se pueden formar subgrupos.
la estratificación da un error menor en la estimación y mayor precisión que el método de muestreo aleatorio simple. Cuanto mayores sean las diferencias entre los estratos, mayor será la ganancia En precisión.
desventajas del muestreo aleatorio estratificado
desafortunadamente, este método de investigación no puede ser utilizado en todos los estudios. La desventaja del método es que se deben cumplir varias condiciones para que se utilice correctamente., Los investigadores deben identificar a cada miembro de una población en estudio y clasificar a cada uno de ellos en una, y solo 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 toda una población puede ser un desafío.
La superposición puede ser un problema si hay sujetos que se dividen en varios subgrupos. Cuando se realiza un muestreo aleatorio simple, los que están en múltiples subgrupos son más propensos a ser elegidos., El resultado podría ser una tergiversación o un reflejo inexacto de la población.
los ejemplos anteriores lo hacen fácil: los grupos de pregrado, graduado, masculino y femenino están claramente definidos. En otras situaciones, sin embargo, puede ser mucho más difícil. Imagine incorporar características como raza, etnia o religión. El proceso de clasificación se vuelve más difícil, convirtiendo el muestreo aleatorio estratificado en un método ineficaz y menos que ideal.,