El muestreo aleatorio simple hace parte del grupo de muestreos probabilísticos, y se refiere a una técnica en la que todos los elementos de una población o universo pueden ser seleccionados para la muestra de una investigación. Este proceso de selección se lleva a cabo, como su nombre lo indica, de manera aleatoria o al azar. 
https://excelparatodos.com/muestreo-aleatorio-simple/#que-es-el-muestreo-aleatorio-simple

• Definición de la población
• Realizar o Definir Marco de Muestreo
• Seleccionar los sujetos Aleatoriamente
• Determinar el tamaño de la muestra
• Realizar el calculo deseado 

• Sencillez
• Equidad
• Representatividad
• Generalización
• Cálculo rápido
• Reducción de costos
• Uso de la estadística inferencial

• Lista completa requerida 
• Dificultad con poblaciones grandes 
• Tiempo y costo 
• Representatividad 
• Acceso a la lista de población 

• Se requiere un marco muestral o lista de sujetos.
• Solo es necesario una aproximación del tamaño del universo en estudio.
• Los sujetos que conformarán la muestra son seleccionados sistemáticamente, dejando pasar un cierto número antes de estudiar el siguiente.
• Los sujetos a estudiar son seleccionados de manera consecutiva hasta que se completa el tamaño de la muestra.
• A partir de la muestra seleccionada se calculan los estadísticos de interés. 

• Simplicidad y Rapidez
• Representatividad
• Selección equitativa
• Fácil de usar

• Se supone que el tamaño de la población es determinable.
• Dificultad para determinar el intervalo de muestreo.
• Orden de los elementos
• Sesgos

• Se debe realizar la identificación de los grupos, en un lugar realizar una lista individual de los sujetos y dividirla en grupos más grandes llamados conglomerados. Se debe tener en cuenta que no es necesario conocer el tamaño total de la población, solo un aproximado.
• Ahora dentro de los conglomerados hay que se puede investigar a todas las personas, únicamente elementos dentro del grupo o solo a una muestra más pequeña, dependiendo de cuales son los objetivos a lograr.
• Después de realizarlo se debe recopilar información de los elementos dentro de los grupos seleccionados.
• Por último realizar un análisis de los datos recopilados calculando las estadísticas y la conclusión de la población total.

• Es eficiente cuando se trata de poblaciones grandes y dispersas geográficamente.
• Es más económico que el muestreo aleatorio simple cuando la población es grande y diversa, ya que se requiere menos trabajo de campo y recursos
• Es más fácil de llevar a cabo cuando la población está agrupada en conglomerados naturales, como ciudades o escuelas, lo que facilita la organización de la investigación.
• Garantiza una representación geográfica adecuada, ya que los conglomerados suelen ser representativos de diferentes áreas geográficas.

• Puede haber una mayor variabilidad entre los elementos dentro de un conglomerado en comparación con el muestreo aleatorio simple, lo que puede afectar la precisión de las estimaciones.
• En algunos casos, puede ser menos preciso que el muestreo aleatorio simple, especialmente si los conglomerados seleccionados no son representativos de la población total.
• Requiere un diseño de muestreo más complejo y cálculos adicionales para estimar parámetros poblacionales.
• Si la población es homogénea y los conglomerados no agregan ningún valor, el muestreo aleatorio simple puede ser más adecuado.

• Se debe elegir las características para la estratificación, hay que tener en cuenta la propiedad con la que se van a dividir los subgrupos.
• Al realizar la estratificación se pueden elegir múltiples propiedades de la población, siempre y cuando todo se igualitario.
• Se debe asegurar de que cada estrato es mutuamente excluyente (es decir, que no haya solapamiento entre ellos), pero que juntos contengan a toda la población.
• Hay que tener en cuenta el tamaño de la muestra que se va utilizar para cada uno de los estratos ya que este debe ser lo suficientemente grande para poder sacar conclusiones estadísticas.
• Como ultimo paso se debe utilizar alguno de los métodos anteriormente mencionados esto permitirá poder hacer un análisis dentro de cada estrato. 

• Tiende a asegurar que la muestra represente adecuadamente a la población en función de unas variables seleccionadas.
• Se obtienen estimaciones más precisas.
• Al dividir la población en estratos homogéneos, se asegura que cada subgrupo esté representado proporcionalmente en la muestra, lo que mejora la representatividad de la muestra en relación con la población total.
• Al incluir una muestra representativa de cada estrato, se reduce la varianza total de la estimación, lo que lleva a una estimación más precisa de la característica de interés en comparación con el muestreo aleatorio simple.
• Permite una asignación más eficiente de recursos, ya que se pueden dedicar más esfuerzos y recursos a los estratos más importantes o relevantes, garantizando una precisión óptima en la estimación global.

• Probabilístico: cada unidad de la población objetivo tiene una probabilidad de selección conocida y mayor a cero. Este tipo de muestra permite determinar a priori la precisión deseada en los resultados principales, y posteriormente calcular la precisión de los resultados obtenidos a partir de la información recolectada.
• Estratificado: clasifica las unidades de muestreo en grupos homogéneos, en función de variables independientes, altamente asociadas con los indicadores de estudio y poco correlacionadas entre sí, con el objeto de maximizar la precisión de los resultados al disminuir la varianza de las estimaciones.

• Se ha de conocer la distribución en la población de las variables utilizadas para la estratificación. 
• Los análisis son complicados, en muchos casos la muestra tiene que ponderarse (asignar pesos a cada elemento).
• La implementación del muestreo estratificado puede ser más costosa y complicada en términos logísticos en comparación con el muestreo aleatorio simple, especialmente si la población está dispersa geográficamente o si hay una gran cantidad de estratos.
• Puede haber errores en la asignación de individuos a los estratos, lo que podría generar sesgos si no se realiza correctamente. Es fundamental garantizar que cada individuo pertenezca al estrato adecuado.

1. Cobertura Nacional: La encuesta abarca todo el territorio colombiano, lo que garantiza una representación geográfica amplia y significativa.
2. Siete Regiones Geográficas: La información se desglosa en siete regiones geográficas, lo que permite un análisis detallado a nivel regional.
3. Universo Bien Definido: La encuesta se enfoca en todos los establecimientos formales de alojamiento y servicios de comida en Colombia que pertenecen a categorías específicas de la Clasificación Industrial Internacional Uniforme (CIIU), lo que proporciona un universo claramente definido.
4. Muestreo Aleatorio: Se utiliza el muestreo aleatorio para seleccionar una muestra representativa de establecimientos de acuerdo con criterios estadísticos sólidos. Esto garantiza que los resultados sean extrapolables a toda la población objetivo.
5. Autodiligenciamiento Electrónico: Los establecimientos participantes completan un formulario electrónico a través de la web, lo que asegura la confidencialidad y la precisión de los datos.
6. Proceso de Precrítica: Se realiza una verificación exhaustiva de los datos recopilados, lo que mejora la calidad de las respuestas y minimiza errores.
7. Capacitación Rigurosa: El personal encargado de la recopilación de datos recibe capacitación específica, lo que garantiza la uniformidad en el proceso de recolección.
8. Análisis de Contexto: Los datos recopilados se someten a un análisis estadístico detallado que incluye comparaciones regionales y tendencias a lo largo del tiempo.