INTEGRANTES

-Yinni Flórez

- Camilo Ballén

- Juan Henao

¿Cómo se realiza un MAS?

Existen diferentes métodos para realizar un MAS, pero uno de los más comunes es el siguiente:

1. Identificar la población: Lo primero que hay que hacer es definir claramente la población que se va a estudiar. La población es el conjunto completo de individuos que comparten alguna característica común.

2. Obtener un marco muestral: El marco muestral es una lista de todos los individuos de la población. En algunos casos, el marco muestral puede ser una lista existente, como el censo de población. En otros casos, puede ser necesario crear un marco muestral a partir de otra fuente de información.

3. Asignar números: A cada individuo de la población se le asigna un número único. Esto puede hacerse de forma consecutiva, o utilizando un sistema de muestreo aleatorio sistemático.

4. Seleccionar la muestra: Se utiliza un método aleatorio para seleccionar un número determinado de individuos de la población. Por ejemplo, se pueden utilizar números aleatorios generados por ordenador, o se pueden seleccionar individuos al azar de una urna.

¿Cuáles son las ventajas del MAS?

El MAS tiene varias ventajas, entre las que se encuentran:

• Es un método muy sencillo de implementar.

• Es un método muy imparcial, ya que todos los individuos de la población tienen la misma probabilidad de ser elegidos.

• Es un método muy eficiente, ya que permite obtener resultados precisos con un tamaño de muestra relativamente pequeño.

¿Cuáles son las desventajas del MAS?

El MAS también tiene algunas desventajas, entre las que se encuentran:

• Puede ser difícil obtener un marco muestral completo y preciso.

• El método puede ser poco práctico para poblaciones muy grandes.

• El método no protege contra todos los tipos de sesgo.

¿En qué situaciones se utiliza el MAS?

El MAS se utiliza en una amplia variedad de situaciones, como por ejemplo:

• Estudios de opinión: El MAS se utiliza con frecuencia para realizar encuestas de opinión a una muestra representativa de la población.

• Estudios de mercado: El MAS se utiliza para estudiar los hábitos de consumo de los consumidores.

• Estudios de control de calidad: El MAS se utiliza para controlar la calidad de los productos y servicios.

• Investigación científica: El MAS se utiliza para estudiar una amplia variedad de fenómenos, desde el comportamiento humano hasta el clima.

En resumen, el MAS es un método estadístico que se utiliza para seleccionar un subconjunto de individuos de una población más grande. Es un método sencillo, imparcial y eficiente, pero tiene algunas limitaciones. El MAS se utiliza en una amplia variedad de situaciones, como estudios de opinión, estudios de mercado, estudios de control de calidad e investigación científica.

El muestreo aleatorio simple (MAS) es un método estadístico que se utiliza para seleccionar un subconjunto de individuos de una población más grande, de manera que cada individuo tenga la misma probabilidad de ser elegido. Esto significa que todos los miembros de la población tienen las mismas oportunidades de ser incluidos en la muestra.

¿Cómo se realiza un MAS?

Existen diferentes métodos para realizar un MAS, pero uno de los más comunes es el siguiente:

1. Identificar la población: Lo primero que hay que hacer es definir claramente la población que se va a estudiar. La población es el conjunto completo de individuos que comparten alguna característica común.

2. Obtener un marco muestral: El marco muestral es una lista de todos los individuos de la población. En algunos casos, el marco muestral puede ser una lista existente, como el censo de población. En otros casos, puede ser necesario crear un marco muestral a partir de otra fuente de información.

3. Asignar números: A cada individuo de la población se le asigna un número único. Esto puede hacerse de forma consecutiva, o utilizando un sistema de muestreo aleatorio sistemático.

4. Seleccionar la muestra: Se utiliza un método aleatorio para seleccionar un número determinado de individuos de la población. Por ejemplo, se pueden utilizar números aleatorios generados por ordenador, o se pueden seleccionar individuos al azar de una urna.

¿Cuáles son las ventajas del MAS?

El MAS tiene varias ventajas, entre las que se encuentran:

• Es un método muy sencillo de implementar.

• Es un método muy imparcial, ya que todos los individuos de la población tienen la misma probabilidad de ser elegidos.

• Es un método muy eficiente, ya que permite obtener resultados precisos con un tamaño de muestra relativamente pequeño.

¿Cuáles son las desventajas del MAS?

El MAS también tiene algunas desventajas, entre las que se encuentran:

• Puede ser difícil obtener un marco muestral completo y preciso.

• El método puede ser poco práctico para poblaciones muy grandes.

• El método no protege contra todos los tipos de sesgo.

¿En qué situaciones se utiliza el MAS?

El MAS se utiliza en una amplia variedad de situaciones, como por ejemplo:

• Estudios de opinión: El MAS se utiliza con frecuencia para realizar encuestas de opinión a una muestra representativa de la población.

• Estudios de mercado: El MAS se utiliza para estudiar los hábitos de consumo de los consumidores.

• Estudios de control de calidad: El MAS se utiliza para controlar la calidad de los productos y servicios.

• Investigación científica: El MAS se utiliza para estudiar una amplia variedad de fenómenos, desde el comportamiento humano hasta el clima.

ETAPAS DEL MUESTREO SIMPLE

1. Definición de la población:

• Definición: El primer paso es definir claramente la población que se va a estudiar. La población es el conjunto completo de individuos que comparten alguna característica común.

2. Obtención de un marco muestral:

• Definición: El marco muestral es una lista de todos los individuos de la población. En algunos casos, el marco muestral puede ser una lista existente, como el censo de población. En otros casos, puede ser necesario crear un marco muestral a partir de otra fuente de información.

3. Asignación de números:

• Definición: A cada individuo de la población se le asigna un número único. Esto puede hacerse de forma consecutiva, o utilizando un sistema de muestreo aleatorio sistemático.

4. Selección de la muestra:

• Definición: Se utiliza un método aleatorio para seleccionar un número determinado de individuos de la población. Por ejemplo, se pueden utilizar números aleatorios generados por ordenador, o se pueden seleccionar individuos al azar de una urna.

5. Recolección de datos:

• Definición: Una vez que se ha seleccionado la muestra, se procede a la recolección de datos de los individuos seleccionados. Esto se puede hacer mediante encuestas, entrevistas, observaciones, etc.

6. Análisis de datos:

• Definición: Los datos recolectados se analizan para obtener conclusiones sobre la población. El análisis de datos puede ser descriptivo o inferencial.

7. Interpretación de resultados:

• Definición: Las conclusiones obtenidas del análisis de datos se interpretan en el contexto del estudio y se presentan a la audiencia objetivo.

8. Documentación del proceso:

Definición: Es importante documentar el proceso de muestreo aleatorio simple, incluyendo los pasos seguidos, las decisiones tomadas y los resultados obtenidos.

El muestreo aleatorio por conglomerados (MAC) es un método de muestreo probabilístico en el que la población se divide en grupos o conglomerados, y luego se selecciona una muestra aleatoria de conglomerados. Los individuos que pertenecen a los conglomerados seleccionados se incluyen en la muestra.

¿Cómo funciona el muestreo aleatorio por conglomerados?

1.      División de la población en conglomerados: El primer paso es dividir la población en grupos o conglomerados homogéneos en cuanto a una característica, como la ubicación geográfica o la afiliación a una organización. Los conglomerados deben ser mutuamente excluyentes y exhaustivos, es decir, cada individuo debe pertenecer a un solo conglomerado y todos los individuos de la población deben estar incluidos en un conglomerado.

2.      Selección aleatoria de conglomerados: Una vez que se han definido los conglomerados, se selecciona una muestra aleatoria de ellos. La probabilidad de selección de cada conglomerado debe ser proporcional al tamaño del conglomerado.

3.      Inclusión de todos los individuos en los conglomerados seleccionados: Todos los individuos que pertenecen a los conglomerados seleccionados se incluyen en la muestra. No se realiza una selección adicional de individuos dentro de los conglomerados.

¿Cuáles son las ventajas del muestreo aleatorio por conglomerados?

·         Reducción de costos: El MAC puede ser un método de muestreo más económico que otros métodos, como el muestreo aleatorio simple, ya que no es necesario seleccionar una muestra de cada individuo de la población.

·         Mayor eficiencia: El MAC puede ser más eficiente que otros métodos de muestreo, como el muestreo aleatorio simple, ya que no es necesario recopilar datos de todos los individuos de la población.

·         Mayor representatividad: El MAC puede ser un método de muestreo más representativo que otros métodos, como el muestreo aleatorio simple, ya que es más probable que se incluyan en la muestra individuos de todas las partes de la población.

¿Cuáles son las desventajas del muestreo aleatorio por conglomerados?

·         Menor precisión: El MAC puede proporcionar una muestra menos precisa que otros métodos, como el muestreo aleatorio simple, ya que la precisión de la estimación depende del tamaño de los conglomerados y de la homogeneidad de los individuos dentro de los conglomerados.

·         Mayor variabilidad: El MAC puede generar una muestra más variable que otros métodos, como el muestreo aleatorio simple, ya que la variabilidad de la estimación depende del tamaño de los conglomerados y de la homogeneidad de los individuos dentro de los conglomerados.

·         Dificultad para encontrar conglomerados: Puede ser difícil encontrar conglomerados homogéneos y mutuamente excluyentes, especialmente en poblaciones grandes o dispersas.

¿En qué situaciones se utiliza el muestreo aleatorio por conglomerados?

El MAC se utiliza en una amplia variedad de situaciones, como, por ejemplo:

·         Estudios de opinión: El MAC se utiliza con frecuencia para realizar encuestas de opinión a una muestra representativa de la población.

·         Estudios de mercado: El MAC se utiliza para estudiar los hábitos de consumo de los consumidores.

·         Estudios de salud pública: El MAC se utiliza para estudiar la prevalencia de enfermedades en la población.

·         Investigación científica: El MAC se utiliza para estudiar una amplia variedad de fenómenos, desde el comportamiento humano hasta el clima.

ETAPAS DEL MUESTREO ALEATORIO CONGLOMERADOS

El Muestreo Aleatorio por Conglomerados (MAC) es un método de muestreo probabilístico en el que la población se divide en grupos o conglomerados, y luego se selecciona una muestra aleatoria de conglomerados. A continuación, se incluyen todos los individuos que pertenecen a los conglomerados seleccionados en la muestra.

Las etapas del MAC son las siguientes:

1. Definición de la población y el marco muestral:

• Población: Es el conjunto completo de individuos que comparten alguna característica común y que son de interés para el estudio.

• Marco muestral: Es una lista ordenada de todos los individuos de la población. El marco muestral debe ser completo, preciso y actualizado.

Ejemplo:

• Población: Todos los estudiantes matriculados en una universidad.

• Marco muestral: Una lista ordenada de los estudiantes por número de matrícula.

2. Identificación de las variables de conglomeración:

• Las variables de conglomeración son las características que se utilizan para dividir la población en conglomerados. Estas variables deben ser relevantes para el estudio y deben tener una distribución heterogénea en la población.

Ejemplo:

• Variables de conglomeración: Ubicación geográfica (región, ciudad), institución educativa (escuela, universidad), empresa (sucursal, departamento).

3. Definición de los conglomerados:

• Los conglomerados se definen en función de los valores de las variables de conglomeración. Los conglomerados deben ser homogéneos dentro de sí mismos y heterogéneos entre sí.

Ejemplo:

• Conglomerados:

  • Región: Norte, Centro, Sur.

  • Ciudad: Bogotá, Medellín, Cali.

  • Institución educativa: Universidad Nacional, Universidad de los Andes, Universidad Javeriana.

  • Empresa: Empresa A, Empresa B, Empresa C.

4. Determinación del tamaño de la muestra:

• El tamaño de la muestra se determina en función del tamaño de la población, el nivel de precisión deseado, el nivel de confianza y la variabilidad de la población. Se pueden utilizar diferentes métodos para determinar el tamaño de la muestra, como la fórmula de Cochran o el método de Kish.

Ejemplo:

• Tamaño de la muestra: 300 estudiantes.

5. Selección aleatoria de conglomerados:

• Se selecciona una muestra aleatoria de conglomerados utilizando un método de muestreo aleatorio simple. La probabilidad de selección de cada conglomerado debe ser proporcional al tamaño del conglomerado.

Ejemplo:

Se seleccionan 10 regiones, 3 ciudades por región, 2 instituciones educativas por ciudad y 1 empresa por institución educativa

MUESTREO ALEATORIO SISTEMATICO

El muestreo aleatorio sistemático (MAS) es un método de muestreo probabilístico en el que se selecciona un elemento inicial al azar de una lista ordenada de la población y luego se seleccionan elementos adicionales a intervalos regulares. Este método asegura que todos los elementos de la población tengan la misma probabilidad de ser seleccionados.

¿Cómo se realiza un MAS?

1. Ordenar la población: El primer paso es ordenar la población de individuos en una lista. El orden puede ser alfabético, numérico o por cualquier otra característica relevante.

2. Determinar el tamaño de la muestra: Se debe determinar el número de individuos que se desea incluir en la muestra.

3. Calcular el intervalo de muestreo: El intervalo de muestreo se calcula dividiendo el tamaño de la población por el tamaño de la muestra. Por ejemplo, si la población tiene 1.000 individuos y se desea una muestra de 100, el intervalo de muestreo sería de 10 (1.000 / 100).

4. Seleccionar el elemento inicial: Se selecciona un elemento inicial al azar de la lista ordenada. Esta selección puede hacerse utilizando un generador de números aleatorios o cualquier otro método aleatorio.

5. Seleccionar el resto de la muestra: Se seleccionan los siguientes elementos de la lista a intervalos regulares del intervalo de muestreo. Por ejemplo, si el elemento inicial es el número 5 y el intervalo de muestreo es 10, entonces los siguientes elementos de la muestra serían el 15, el 25, el 35, y así sucesivamente.

¿Cuáles son las ventajas del MAS?

• Es un método sencillo de implementar.

• Es un método imparcial, ya que todos los individuos de la población tienen la misma probabilidad de ser seleccionados.

• Es un método eficiente, ya que permite obtener resultados precisos con un tamaño de muestra relativamente pequeño.

• Es un método que puede ser utilizado con poblaciones grandes.

¿Cuáles son las desventajas del MAS?

• Puede ser difícil obtener una lista ordenada completa y precisa de la población.

• El método puede ser poco práctico para poblaciones muy pequeñas.

• El método no protege contra todos los tipos de sesgo.

¿En qué situaciones se utiliza el MAS?

El MAS se utiliza en una amplia variedad de situaciones, como por ejemplo:

• Estudios de opinión: El MAS se utiliza con frecuencia para realizar encuestas de opinión a una muestra representativa de la población.

• Estudios de mercado: El MAS se utiliza para estudiar los hábitos de consumo de los consumidores.

• Estudios de control de calidad: El MAS se utiliza para controlar la calidad de los productos y servicios.

• Investigación científica: El MAS se utiliza para estudiar una amplia variedad de fenómenos, desde el comportamiento humano hasta el clima.

ETAPAS DEL MUESTREO ALEATORIO SISTEMATICO

El muestreo aleatorio sistemático (MAS) es un método de muestreo probabilístico que se utiliza para seleccionar un subconjunto de individuos de una población más grande. En este método, se selecciona un elemento inicial al azar de una lista ordenada de la población y luego se seleccionan elementos adicionales a intervalos regulares.

Las etapas del MAS son las siguientes:

1. Definición de la población y el marco muestral:

• Población: Es el conjunto completo de individuos que comparten alguna característica común y que son de interés para el estudio.

• Marco muestral: Es una lista ordenada de todos los individuos de la población. El marco muestral debe ser completo, preciso y actualizado.

Ejemplo:

• Población: Todos los estudiantes matriculados en una universidad.

• Marco muestral: Una lista ordenada de los estudiantes por número de matrícula.

2. Determinación del tamaño de la muestra:

• El tamaño de la muestra es el número de individuos que se seleccionarán de la población. El tamaño de la muestra se determina en función del nivel de precisión deseado, el nivel de confianza y la variabilidad de la población.

Ejemplo:

• Tamaño de la muestra: 300 estudiantes.

3. Ordenación de la población:

• La población debe ordenarse en una lista. El orden puede ser alfabético, numérico o por cualquier otra característica relevante.

Ejemplo:

• Ordenación: Los estudiantes se ordenan por número de matrícula.

4. Cálculo del intervalo de muestreo:

• El intervalo de muestreo es el número de individuos que se debe saltar entre cada selección de la muestra. Se calcula dividiendo el tamaño de la población por el tamaño de la muestra.

Ejemplo:

• Intervalo de muestreo: 10000 estudiantes / 300 estudiantes = 33 estudiantes por intervalo.

5. Selección del punto de partida:

• Se selecciona un punto de partida al azar de la lista ordenada. El punto de partida puede ser cualquier número entre 1 y el intervalo de muestreo.

Ejemplo:

• Punto de partida: Estudiante número 2456.

El muestreo aleatorio simple (MAS) es un método estadístico que se utiliza para seleccionar un subconjunto de individuos de una población más grande, de manera que cada individuo tenga la misma probabilidad de ser elegido.

A continuación, se presentan algunos ejemplos de cómo se puede utilizar el MAS en diferentes contextos, junto con referencias bibliográficas:

1. Estudios de opinión:

• Ejemplo: Una empresa de investigación de mercado quiere saber qué opinan los consumidores sobre un nuevo producto. Se utiliza un MAS para seleccionar una muestra representativa de 300 consumidores de la población objetivo, de un total de 10.000 consumidores potenciales. La selección se realiza asignando un número único a cada consumidor y utilizando un generador de números aleatorios para seleccionar los 300 individuos que formarán parte de la muestra.

2. Estudios de mercado:

• Ejemplo: Una cadena de supermercados quiere saber qué productos son más populares entre sus clientes. Se utiliza un MAS para seleccionar una muestra de 200 clientes de una tienda que tiene un total de 5.000 clientes habituales. La selección se realiza mediante la selección aleatoria de 200 clientes al azar en el momento en que pagan sus compras.

3. Estudios de control de calidad:

• Ejemplo: Una fábrica de productos electrónicos quiere asegurarse de que sus productos cumplen con los estándares de calidad. Se utiliza un MAS para seleccionar una muestra de 50 productos de la línea de producción, de un total de 1.000 productos fabricados por día. La selección se realiza mediante la selección aleatoria de 50 productos al azar en la línea de producción.

4. Investigación científica:

• Ejemplo: Un biólogo quiere estudiar el comportamiento de una especie de ave en un bosque. Se utiliza un MAS para seleccionar una muestra de 20 aves de una población total de 500 aves. La selección se realiza mediante la captura y marcado de 20 aves al azar en el bosque.

En algunos casos, puede ser más apropiado utilizar otro método de muestreo, como el muestreo estratificado o el muestreo por conglomerados.

La elección del método de muestreo más adecuado dependerá del contexto específico del estudio.

El muestreo aleatorio sistemático (MAS) es un método de muestreo probabilístico que se utiliza para seleccionar un subconjunto de individuos de una población más grande. En este método, se selecciona un elemento inicial al azar de una lista ordenada de la población y luego se seleccionan elementos adicionales a intervalos regulares.

1. Estudio de opinión sobre un nuevo producto:

Objetivo: Conocer la opinión de los consumidores sobre un nuevo producto lanzado al mercado.

Población: Todos los clientes de una tienda departamental.

Tamaño de la muestra: 200 clientes.

Marco muestral: Lista ordenada de los clientes de la tienda departamental, con base en su número de cliente.

Procedimiento:

1. Se ordena la lista de clientes por número de cliente.

2. Se calcula el intervalo de muestreo: 1000 clientes / 200 clientes = 5 clientes por intervalo.

3. Se selecciona un número inicial al azar de la lista ordenada, por ejemplo, el cliente número 123.

4. Se seleccionan los siguientes clientes de la muestra a intervalos regulares de 5 clientes, es decir, los clientes 128, 133, 138, ..., 198.

2. Estudio de hábitos de consumo de alimentos:

Objetivo: Analizar los hábitos de consumo de alimentos de los estudiantes de una universidad.

Población: Todos los estudiantes matriculados en la universidad.

Tamaño de la muestra: 300 estudiantes.

Marco muestral: Lista ordenada de los estudiantes por número de matrícula.

Procedimiento:

1. Se ordena la lista de estudiantes por número de matrícula.

2. Se calcula el intervalo de muestreo: 10000 estudiantes / 300 estudiantes = 33 estudiantes por intervalo.

3. Se selecciona un número inicial al azar de la lista ordenada, por ejemplo, el estudiante número 2456.

4. Se seleccionan los siguientes estudiantes de la muestra a intervalos regulares de 33 estudiantes, es decir, los estudiantes 2489, 2522, 2555, ..., 2954.

3. Control de calidad de productos electrónicos:

Objetivo: Verificar la calidad de los productos electrónicos fabricados en una línea de producción.

Población: Todos los productos electrónicos fabricados en un día.

Tamaño de la muestra: 50 productos.

Marco muestral: Lista ordenada de los productos fabricados en un día, según su número de serie.

Procedimiento:

1. Se ordena la lista de productos por número de serie.

2. Se calcula el intervalo de muestreo: 1000 productos / 50 productos = 20 productos por intervalo.

3. Se selecciona un número inicial al azar de la lista ordenada, por ejemplo, el producto número 156.

4. Se seleccionan los siguientes productos de la muestra a intervalos regulares de 20 productos, es decir, los productos 176, 196, 216, ..., 996.

El muestreo aleatorio estratificado (MAE) es un método de muestreo probabilístico que se utiliza para seleccionar una muestra representativa de una población más grande. En este método, la población se divide en subgrupos o estratos, y luego se selecciona una muestra aleatoria de cada estrato.

A continuación, se presentan algunos ejemplos de cómo se puede utilizar el MAE en diferentes contextos, junto con referencias bibliográficas:

Ejemplo 1: Estudio de opinión sobre un nuevo producto

Objetivo: Conocer la opinión de los consumidores sobre un nuevo producto lanzado al mercado.

Población: Todos los clientes de una tienda departamental.

Variables de estratificación: Género, edad, nivel de ingresos.

Estratos:

• Género: Masculino, Femenino.

• Edad: 18-24 años, 25-34 años, 35-44 años, 45-54 años, 55+ años.

• Nivel de ingresos: Bajo, Medio, Alto.

Tamaño de la muestra: 300 clientes (100 por cada estrato).

Procedimiento:

1. Se dividen los clientes de la tienda departamental en estratos según el género, la edad y el nivel de ingresos.

2. Se calcula el tamaño de la muestra para cada estrato (100 clientes por cada estrato).

3. Se selecciona una muestra aleatoria de 100 clientes de cada estrato.

4. Se combinan las muestras de los diferentes estratos para formar la muestra general de 300 clientes.

Ejemplo 2: Estudio de hábitos de consumo de alimentos

Objetivo: Analizar los hábitos de consumo de alimentos de los estudiantes de una universidad.

Población: Todos los estudiantes matriculados en la universidad.

Variables de estratificación: Carrera, género, tipo de dieta.

Estratos:

• Carrera: Ingeniería, Medicina, Derecho, Humanidades.

• Género: Masculino, Femenino.

• Tipo de dieta: Omnívoro, Vegetariano, Vegano.

Tamaño de la muestra: 400 estudiantes (100 por cada estrato).

Procedimiento:

1. Se dividen los estudiantes de la universidad en estratos según la carrera, el género y el tipo de dieta.

2. Se calcula el tamaño de la muestra para cada estrato (100 estudiantes por cada estrato).

3. Se selecciona una muestra aleatoria de 100 estudiantes de cada estrato.

4. Se combinan las muestras de los diferentes estratos para formar la muestra general de 400 estudiantes.

Ejemplo 3: Control de calidad de productos electrónicos

Objetivo: Verificar la calidad de los productos electrónicos fabricados en una línea de producción.

Población: Todos los productos electrónicos fabricados en un día.

Variables de estratificación: Turno de trabajo, tipo de producto, modelo de producto.

Estratos:

• Turno de trabajo: Mañana, Tarde, Noche.

• Tipo de producto: Smartphone, Tablet, Computadora portátil.

• Modelo de producto: Modelo A, Modelo B, Modelo C.

Tamaño de la muestra: 150 productos (50 por cada estrato).

Procedimiento:

1. Se dividen los productos electrónicos fabricados en un día en estratos según el turno de trabajo, el tipo de producto y el modelo de producto.

2. Se calcula el tamaño de la muestra para cada estrato (50 productos por cada estrato).

3. Se selecciona una muestra aleatoria de 50 productos de cada estrato.

El Muestreo Aleatorio por Conglomerados (MAC) es un método de muestreo probabilístico en el que la población se divide en grupos o conglomerados, y luego se selecciona una muestra aleatoria de conglomerado. A continuación, se incluyen todos los individuos que pertenecen a los conglomerados seleccionados en la muestra.expand_more

A continuación, se presentan algunos ejemplos de cómo se puede utilizar el MAC en diferentes contextos.

Ejemplo 1: Estudio de opinión sobre hábitos de lectura

Objetivo: Conocer los hábitos de lectura de los estudiantes de una universidad.

Población: Todos los estudiantes matriculados en la universidad.

Variables de conglomeración: Carrera, nivel académico, tipo de vivienda.

Conglomerados:

• Carrera: Ingeniería, Medicina, Derecho, Humanidades.

• Nivel académico: Pregrado, Posgrado.

• Tipo de vivienda: Residencia universitaria, Vivienda propia, Vivienda alquilada.

Tamaño de la muestra: 400 estudiantes (10 conglomerados de 40 estudiantes cada uno).

Procedimiento:

1. Se dividen los estudiantes de la universidad en conglomerados según la carrera, el nivel académico y el tipo de vivienda.

2. Se calcula el tamaño de la muestra para cada conglomerado (40 estudiantes por conglomerado).

3. Se selecciona una muestra aleatoria de 10 conglomerados.

4. Se incluyen todos los estudiantes de los conglomerados seleccionados en la muestra (400 estudiantes).

Ejemplo 2: Estudio de prevalencia de una enfermedad

Objetivo: Estimar la prevalencia de una enfermedad crónica en una región.

Población: Todos los adultos residentes en la región.

Variables de conglomeración: Municipio, tipo de seguro médico, centro de salud.

Conglomerados:

• Municipio: Municipio A, Municipio B, Municipio C.

• Tipo de seguro médico: Seguro público, Seguro privado, Sin seguro.

• Centro de salud: Hospital, Clínica, Centro de salud comunitario.

Tamaño de la muestra: 300 adultos (30 conglomerados de 10 adultos cada uno).

Procedimiento:

1. Se dividen los adultos residentes en la región en conglomerados según el municipio, el tipo de seguro médico y el centro de salud.

2. Se calcula el tamaño de la muestra para cada conglomerado (10 adultos por conglomerado).

3. Se selecciona una muestra aleatoria de 30 conglomerados.

4. Se incluyen todos los adultos de los conglomerados seleccionados en la muestra (300 adultos).

Ejemplo 3: Encuesta de satisfacción del cliente

Objetivo: Evaluar la satisfacción de los clientes con un servicio de atención al cliente.

Población: Todos los clientes que han utilizado el servicio de atención al cliente en el último mes.

Variables de conglomeración: Centro de atención al cliente, tipo de consulta, canal de atención.

Conglomerados:

• Centro de atención al cliente: Centro A, Centro B, Centro C.

• Tipo de consulta: Consulta técnica, Consulta sobre facturación, Consulta general.

• Canal de atención: Teléfono, Correo electrónico, Chat en línea.

Tamaño de la muestra: 200 clientes (20 conglomerados de 10 clientes cada uno).

Procedimiento:

1. Se dividen los clientes que han utilizado el servicio de atención al cliente en el último mes en conglomerados según el centro de atención al cliente, el tipo de consulta y el canal de atención.

2. Se calcula el tamaño de la muestra para cada conglomerado (10 clientes por conglomerado).

Se selecciona una muestra aleatoria de 20 conglomerados

: Cochran, W. G. (1977). Sampling techniques. John Wiley & Sons.

: Särndal, C.-E., Swensson, B., & Wretman, J. (2005). Model-assisted survey sampling. Springer Science & Business Media.

• Levy, P. S., & Lemeshow, S. (2008). Sampling of populations. Springer Science & Business Media.

• : Lohr, M. L. (2016). Sampling: Design and analysis. Cengage Learning.

: Malhotra, N. K., & Grover, S. P. (2016). Research methodology: A contemporary approach. Sage publications.

Field, A. (2013). Discovering statistics using SPSS. Sage publications.

• Yin, R. K. (2016). Qualitative research methodology. Sage publications.

• American Psychological Association. (2019). Publication manual of the American Psychological Association (7th ed.). American Psychological Association.

·         behavioralhealthnews.org/applied-behavior-analysis-as-a-treatment-for-survivors-of-trauma/

·         Sampling techniques. John Wiley & Sons.(https://www.wiley.com/en-us/Sampling+Techniques%2C+3rd+Edition-p-9780471162407)

• Malhotra, N. K., & Grover, S. P. (2016). Research methodology: A contemporary approach. Sage publications.(https://methods.sagepub.com/)

• Levy, P. S., & Lemeshow, S. (2008). Sampling of populations. Springer Science & Business Media.(https://www.researchgate.net/publication/44816442_Sampling_of_Populations_Methods_and_Applications_Fourth_Edition)

• Särndal, C.-E., Swensson, B., & Wretman, J. (2005). Model-assisted survey sampling. Springer Science & Business Media.(https://link.springer.com/book/9780387406206)

• www.climateactionreserve.org/wp-content/

• Cochran, W. G. (1977). Sampling techniques. John Wiley & Sons.(https://www.wiley.com/en-us/Sampling+Techniques%2C+3rd+Edition-p-9780471162407)

• Särndal, C.-E., Swensson, B., & Wretman, J. (2005). Model-assisted survey sampling. Springer Science & Business Media.(https://link.springer.com/book/9780387406206)

• Lohr, M. L. (2016). Sampling: Design and analysis. Cengage Learning.(https://www.cengage.com/c/sampling-design-and-analysis-2e-lohr/9780495105275/)

• Levy, P. S., & Lemeshow, S. (2008). Sampling of populations. Springer Science & Business Media.(https://www.researchgate.net/publication/44816442_Sampling_of_Populations_Methods_and_Applications_Fourth_Edition)

• Cochran, W. G. (1977). Sampling techniques. John Wiley & Sons.(https://www.wiley.com/en-us/Sampling+Techniques%2C+3rd+Edition-p-9780471162407)

• Cochran, W. G. (1977). Sampling techniques. John Wiley & Sons.([https://www.wiley.com/en-us/Sampling+Techniques%2C+3rd+Edition-p-9780471162407]([se quitó una URL no válida

• Särndal, C.-E., Swensson, B., & Wretman, J. (2005). Model-assisted survey sampling. Springer Science & Business Media.(https://link.springer.com/book/9780387406206)

• Cochran, W. G. (1977). Sampling techniques. John Wiley & Sons.(https://www.wiley.com/en-us/Sampling+Techniques%2C+3rd+Edition-p-9780471162407)

• Lohr, M. L. (2016). Sampling: Design and analysis. Cengage Learning.([[https://www.cengage.com/c/sampling-design-and-analysis-2e-lohr/9780495105275/](https://www.cengage.com

• Levy, P. S., & Lemeshow, S. (2008). Sampling of populations. Springer Science & Business Media. (https://www.researchgate.net/publication/44816442_Sampling_of_Populations_Methods_and_Applications_Fourth_Edition)

• Lohr, M. L. (2016). Sampling: Design and analysis. Cengage Learning. (https://www.cengage.com/c/sampling-design-and-analysis-2e-lohr/9780495105275/)

• Särndal, C.-E., Swensson, B., & Wretman, J. (2005). Model-assisted survey sampling. Springer Science & Business Media. (https://link.springer.com/book/9780387406206)

• Cochran, W. G. (1977). Sampling techniques. John Wiley & Sons. (https://www.wiley.com/en-us/Sampling+Techniques%2C+3rd+Edition-p-9780471162407)

Cochran, W. G. (1977).exclamation Sampling techniques. John Wiley & Sons.exclamation (https://www.wiley.com/en-us/Sampling+Techniques%2C+3rd+Edition-p-9780471162407

El muestreo aleatorio estratificado (MAE) es un método de muestreo probabilístico que se utiliza para seleccionar una muestra representativa de una población más grande. En este método, la población se divide en subgrupos o estratos, y luego se selecciona una muestra aleatoria de cada estrato.

¿Cómo se realiza un MAE?

1.      Dividir la población en estratos: El primer paso es dividir la población en subgrupos o estratos. Los estratos deben ser homogéneos dentro de sí mismos y heterogéneos entre sí. Esto significa que los individuos dentro de un estrato deben ser lo más similares posibles entre sí, y los individuos de diferentes estratos deben ser lo más diferentes posibles entre sí.

2.      Determinar el tamaño de la muestra para cada estrato: El tamaño de la muestra para cada estrato se determina en función del tamaño de la población del estrato y la importancia del estrato para el estudio.

3.      Seleccionar una muestra aleatoria de cada estrato: Se selecciona una muestra aleatoria de cada estrato utilizando un método de muestreo aleatorio simple.

4.      Combinar las muestras de los estratos: Las muestras de los diferentes estratos se combinan para formar la muestra general.

¿Cuáles son las ventajas del MAE?

• Mayor precisión: El MAE puede proporcionar una muestra más precisa que el muestreo aleatorio simple, ya que permite tener en cuenta la heterogeneidad de la población.

• Mayor representatividad: El MAE puede garantizar que todos los subgrupos de la población estén representados en la muestra.

• Mayor eficiencia: El MAE puede ser más eficiente que otros métodos de muestreo, como el muestreo por conglomerados.

¿Cuáles son las desventajas del MAE?

• Puede ser más complejo de implementar que el muestreo aleatorio simple.

• Requiere un buen conocimiento de la población.

• Puede ser menos eficiente que otros métodos de muestreo si los estratos son muy pequeños.

¿En qué situaciones se utiliza el MAE?

El MAE se utiliza en una amplia variedad de situaciones, como por ejemplo:

• Estudios de opinión: El MAE se utiliza con frecuencia para realizar encuestas de opinión a una muestra representativa de la población.

• Estudios de mercado: El MAE se utiliza para estudiar los hábitos de consumo de los consumidores.

• Estudios de control de calidad: El MAE se utiliza para controlar la calidad de los productos y servicios.

• Investigación científica: El MAE se utiliza para estudiar una amplia variedad de fenómenos, desde el comportamiento humano hasta el clima.

ETAPAS MUESTREO ALEATORIO ESTRATIFICADO

El muestreo aleatorio estratificado (MAE) es un método de muestreo probabilístico que se utiliza para seleccionar una muestra representativa de una población más grande. En este método, la población se divide en subgrupos o estratos, y luego se selecciona una muestra aleatoria de cada estrato.

Las etapas del MAE son las siguientes:

1. Definición de la población y el marco muestral:

• Población: Es el conjunto completo de individuos que comparten alguna característica común y que son de interés para el estudio.

• Marco muestral: Es una lista ordenada de todos los individuos de la población. El marco muestral debe ser completo, preciso y actualizado.

Ejemplo:

• Población: Todos los estudiantes matriculados en una universidad.

• Marco muestral: Una lista ordenada de los estudiantes por número de matrícula.

2. Identificación de las variables de estratificación:

• Las variables de estratificación son las características que se utilizan para dividir la población en estratos. Estas variables deben ser relevantes para el estudio y deben tener una distribución heterogénea en la población.

Ejemplo:

• Variables de estratificación: Carrera, género, nivel de ingresos.

3. Definición de los estratos:

• Los estratos se definen en función de los valores de las variables de estratificación. Los estratos deben ser homogéneos dentro de sí mismos y heterogéneos entre sí.

Ejemplo:

• Estratos:

  • Carrera: Ingeniería, Medicina, Derecho.

  • Género: Masculino, Femenino.

  • Nivel de ingresos: Bajo, Medio, Alto.

4. Determinación del tamaño de la muestra para cada estrato:

• El tamaño de la muestra para cada estrato se determina en función del tamaño de la población del estrato y la importancia del estrato para el estudio. Se pueden utilizar diferentes métodos para determinar el tamaño de la muestra de cada estrato, como el método proporcional o el método óptimo.

Ejemplo:

• Método proporcional: El tamaño de la muestra para cada estrato se determina en proporción al tamaño de la población del estrato.

  • Carrera: Ingeniería (30%), Medicina (20%), Derecho (50%).

  • Género: Masculino (50%), Femenino (50%).

  • Nivel de ingresos: Bajo (25%), Medio (50%), Alto (25%).

5. Selección de una muestra aleatoria de cada estrato:

• Se selecciona una muestra aleatoria de cada estrato utilizando un método de muestreo aleatorio simple.