•Aumenta la eficiencia: Permite enfocarse en subgrupos específicos, lo que puede ser más eficiente en términos de costos y tiempo

•Facilita la comparación: Hace posible comparar diferentes estratos entre sí, lo que es útil para identificar patrones o diferencias significativas

•Utiliza el conocimiento previo: Se aprovecha el conocimiento existente sobre la población para formar estratos que sean relevantes para el estudio

1. Muestreo estratificado proporcional:

En este enfoque, cada tamaño de muestra de estrato es directamente proporcional al tamaño de la población total. Eso significa que cada muestra de estratos tiene la misma fracción de muestreo.

Fórmula de muestreo aleatorio estratificado proporcional: nh = ( Nh / N ) * n

nh= Tamaño de la muestra del estrato h

Nh= Tamaño de la población en relación con el estrato h

N=  Tamaño de toda la población

N=  Tamaño de la muestra completa

La fracción de muestreo es el principal factor de diferenciación entre el muestreo estratificado proporcional y el desproporcional. En un muestreo desproporcional, cada estrato tiene una fracción de muestreo diferente.

El éxito de este método de muestreo depende de la precisión del investigador en la asignación de fracciones. Si las fracciones asignadas no son precisas, los resultados pueden estar sesgados debido a los estratos sobrerrepresentados o subrepresentados.

Al igual que otros métodos de muestreo probabilístico, debe comenzar por definir claramente la población de la que se tomará la muestra.

2. Elige las características para la estratificación

También debe elegir la característica que utilizarás para dividir tus grupos. Esta elección es muy importante, ya que dado que cada miembro de la población sólo puede colocarse en un subgrupo, la clasificación de cada sujeto en cada subgrupo debe ser clara y evidente.

3. Realiza la estratificación por múltiples características

Puedes elegir estratificar por múltiples características diferentes a la vez, siempre y cuando puedas emparejar claramente cada sujeto con un subgrupo exactamente. En este caso, para obtener el número total de subgrupos, se multiplica el número de estratos de cada característica.

Por ejemplo, si se estratifica por raza e identidad de género, utilizando cuatro grupos para la primera y tres para la segunda, se tendrían 4 x 3 = 12 grupos en total.

4. Separa la población en estratos

A continuación, recopila una lista de todos los miembros de la población y asigna a cada uno de ellos un estrato.

Debes asegurarte de que cada estrato es mutuamente excluyente (es decir, que no haya solapamiento entre ellos), pero que juntos contengan a toda la población.

5. Decide el tamaño de la muestra para cada estrato

En primer lugar, debes decidir si quieres que tu muestra sea proporcional o desproporcionada.

A continuación, puedes decidir el tamaño total de la muestra. Debe ser lo suficientemente grande como para garantizar que pueda sacar conclusiones estadísticas sobre cada subgrupo.

Si conoces el margen de error y el nivel de confianza deseados, así como el tamaño estimado y la desviación estándar de la población con la que trabajas, puedes utilizar una calculadora de tamaño de muestra para estimar las cifras necesarias.

6. Realiza el muestreo aleatorio de cada estrato

Por último, debes utilizar otro método de muestreo probabilístico, como el muestreo aleatorio simple o el sistemático para tomar una muestra dentro de cada estrato.

Si se hace correctamente, la aleatoriedad inherente a estos métodos te permitirá obtener una muestra representativa de ese subgrupo concreto.  

• Mayor representatividad: El muestreo estratificado puede aumentar la representatividad de los resultados de la investigación al asegurar que la muestra refleje la composición de la población.

• Permite la comparación entre estratos: El muestreo estratificado permite comparar los resultados entre diferentes estratos.

Algunas ventajas de utilizar el muestreo aleatorio estratificado son:

1. Garantizar la diversidad de la muestra

Un muestreo estratificado incluye sujetos de cada subgrupo, lo que garantiza que refleja la diversidad de su población.

2. Garantizar una varianza similar

Si quieres que los datos recogidos de cada subgrupo tengan un nivel de varianza similar, necesitas un tamaño de muestra similar para cada subgrupo.

3. Reduce la varianza global de la población

Aunque su población global puede ser bastante heterogénea, puede ser más homogénea dentro de ciertos subgrupos.

4. Permite una variedad de métodos de recolección de datos

A veces puede ser necesario utilizar diferentes métodos de recolección de datos de diferentes subgrupos.

Para utilizar el muestreo estratificado, es necesario poder dividir la población en subgrupos mutuamente excluyentes y exhaustivos. Esto significa que cada miembro de la población puede clasificarse de forma clara en un subgrupo.

El muestreo estratificado es la mejor opción entre los métodos de muestreo probabilístico cuando se considera que los subgrupos tendrán valores medios diferentes para la(s) variable(s) que se están estudiando.