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. Aunque no ocurre en todos los casos, es posible que esto no ocurra cuando se utilizan otros métodos, como el muestreo aleatorio simple.

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.

Con otros métodos de muestreo, podrías acabar con un tamaño de muestra bajo para ciertos subgrupos porque son menos comunes en la población general.

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.

2. Sólo es necesaria una aproximación del tamaño del universo en estudio.

11. Los sujetos que conformarán la muestra son seleccionados sistemáticamente, dejando pasar un cierto número antes de estudiar el siguiente.

7. A partir de la muestra seleccionada se calculan los estadísticos de interés.

1. Es un sistema muy rápido y simple, ya que evita la necesidad de generar números aleatorios de individuos en la muestra.

2. Garantiza una selección perfectamente equitativa de la población, lo que resulta muy útil en la distinción de grupos.

3. Permite obtener buenas propiedades de representatividad.

4. Evita la necesidad de usar diferentes estratos, aunque existe variedad de individuos en cada fragmento.

1. El orden en el que se coloca a la población seleccionada puede llegar a tener un tipo de periodicidad oculta, la cual puede coincidir con el intervalo seleccionado, ocasionando una muestra sesgada.