Estudiante 2: Yorman Danilo Lopez Diaz

Estudiante 3: Tatiana Elena Torres Gamero

Estudiante 4: Estefania Loaiza Atehortua

lista exhaustiva de los elementos que constituyen a la población objetivo. Sin embargo, generalmente lo elementos de la población ya están agrupados en subpoblaciones y las listas de esas subpoblaciones ya existen o pueden ser creadas.

Se realizan varias fases de muestreo sucesivas (polietápico).La necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo seleccionadas en la etapa anterior.

En ocasiones, con el de ahorrar tiempo y disminuir costes, se divide la población total en conglomerados o grupos de unidades maestrales excluyentes y colectivamente exhaustivos. Luego se selecciona una muestra aleatoria de grupos con base en una técnica de muestreo probabilística, como el MAS. Para cada grupo seleccionado, se incluyen todos los elementos en la muestra o se toma una muestra de elementos en forma probabilística. Si toso los elementos en cada grupo seleccionado esta incluidos en la muestra, el procedimiento se llama muestreo por conglomerados de una etapa.

La unidad muestra primaria ya no es un elemento de población sino un grupo mayor de elementos que están situado cerca el uno del otro, por ejemplo: Ciudades.

• Ortega, C. (2018, abril 27). ¿Sabes cómo realizar un muestreo aleatorio simple de manera sencilla? QuestionPro. https://www.questionpro.com/blog/es/como-realizar-un-muestreo-aleatorio-simple/

• Muguira, A. (2016, septiembre 21). Muestreo sistematico: fácil, sencillo y económico. QuestionPro. https://www.questionpro.com/blog/es/muestreo-sistematico/

  
  

• Muguira, A. (2016b, septiembre 22). Muestreo por conglomerados: Un tipo de muestreo probabilístico. QuestionPro. https://www.questionpro.com/blog/es/muestreo-por-conglomerados/

• Arias, E. R. (2021, febrero 6). Muestreo por conglomerados. Economipedia. https://economipedia.com/definiciones/muestreo-por-conglomerados.html

• Ortega, C. (2018, abril 26). ¿Cómo hacer un muestreo estratificado? QuestionPro. https://www.questionpro.com/blog/es/como-hacer-un-muestreo-estratificado

  
  

Identificación de Estratos:

Descripción: Dividir la población en grupos homogéneos o estratos basados en ciertas características relevantes.

Consideraciones: Los estratos deben ser mutuamente excluyentes y exhaustivos, y cada unidad de la población debe pertenecer a un solo estrato.

Asignación de Elementos a Estratos:

Descripción: Cada elemento de la población se asigna al estrato correspondiente.

Consideraciones: La asignación debe hacerse de manera que la homogeneidad dentro de los estratos y la heterogeneidad entre los estratos sean maximizadas.

Determinación del Tamaño de Muestra por Estrato:

Descripción: Seleccionar el tamaño de la muestra necesario para cada estrato, de acuerdo con el objetivo de la investigación y las características de cada estrato.

Consideraciones: Puede ser proporcional al tamaño del estrato, igual para todos los estratos, o determinado mediante técnicas más avanzadas de optimización de la varianza.

Selección de la Muestra:

Descripción: Elegir aleatoriamente las unidades de muestra dentro de cada estrato.

Consideraciones: La selección puede realizarse mediante métodos como muestreo aleatorio simple, muestreo sistemático o muestreo por conglomerados, según la naturaleza de la población y los recursos disponibles.

Recopilación de Datos:

Descripción: Llevar a cabo la recopilación de datos de las unidades de muestra seleccionadas en cada estrato.

Consideraciones: Asegurar que los datos se recolecten de manera consistente y precisa, siguiendo el diseño de muestreo establecido.

Análisis de Datos y Estimación:

Descripción: Realizar análisis estadísticos de los datos recopilados y estimar parámetros de interés para la población total.

Consideraciones: Aplicar métodos estadísticos apropiados, teniendo en cuenta el diseño de muestreo estratificado y los pesos asociados a cada estrato.

Inferencia y Generalización:

Descripción: Utilizar los resultados de la muestra para hacer inferencias y generalizaciones sobre la población total.

Consideraciones: Tener en cuenta la representatividad de la muestra y las características de los estratos al generalizar los resultados.

Estas etapas son esenciales para garantizar la validez y la precisión de las inferencias realizadas a partir de la muestra estratificada. La planificación cuidadosa en cada etapa es crucial para obtener resultados confiables y representativos de la población total

El muestreo estratificado tiende a proporcionar estimaciones más precisas de los parámetros poblacionales al tener en cuenta la variabilidad dentro de cada estrato.

Representatividad Mejorada:

Al dividir la población en subgrupos homogéneos, se garantiza que cada estrato esté representado en la muestra, lo que mejora la representatividad de la muestra total.

Eficiencia en el Uso de Recursos:

Puede ser más eficiente en términos de costos y tiempo al dirigir los recursos hacia estratos específicos donde la variabilidad es mayor, en lugar de asignar recursos uniformemente a toda la población.

Manejo de Heterogeneidad:

Permite abordar la heterogeneidad dentro de la población, asegurando que los subgrupos con características distintivas estén adecuadamente representados.

Facilita Comparaciones entre Estratos:

Al seleccionar muestras separadas en cada estrato, facilita la comparación directa de resultados entre los diferentes subgrupos de interés.

Necesita información detallada sobre la población para identificar correctamente los estratos.

Complicaciones en la Identificación de Estratos:

La identificación de estratos puede ser complicada y subjetiva.

Costoso en Casos de Estratificación Compleja:

Puede volverse costoso y logísticamente desafiante en poblaciones con estratos complejos.

Ineficiente con Pocos Estratos:

Puede no proporcionar beneficios significativos si hay pocos estratos con poca variabilidad.

Sensibilidad a Errores en la Identificación de Estratos:

Errores en la identificación de estratos pueden afectar la validez del muestreo.

Complejidad en la Implementación:

Puede ser más complejo y requerir más recursos y experiencia técnica que otros métodos de muestreo

• Esta técnica de muestreo es barata, rápida y fácil. En lugar de realizar un muestreo de todo un país como en el muestreo aleatorio simple, el investigador puede asignar sus recursos limitados a los pocos conglomerados o áreas seleccionadas aleatoriamente cuando se usan muestras por conglomerados.

• En relación con la primera ventaja, el investigador también puede aumentar su tamaño de la muestra con esta técnica. Teniendo en cuenta que el investigador sólo tendrá que tomar la muestra de una serie de áreas o conglomerados, puede seleccionar más sujetos, ya que son más accesibles.

• De todos los diferentes tipos de muestreo probabilístico, esta técnica es la menos representativa de la población. La tendencia de los individuos dentro de un conglomerado es tener características similares y con una muestra por conglomerados, existe la posibilidad de que el investigador pueda tener un conglomerado sobrerrepresentado o infrarepresentado que puede sesgar los resultados del estudio.

Por ejemplo, en un estudio sobre la eficacia de un nuevo tratamiento fisioterapéutico para el dolor lumbar, los investigadores podrían recoger datos de una muestra de pacientes y calcular la reducción media del dolor en el grupo de tratamiento. Un intervalo de confianza del 95% para la reducción media del dolor sería un rango de valores dentro del cual se espera que se sitúe la verdadera reducción media del dolor en la población con una probabilidad del 95%. Esto significa que si el mismo estudio se realiza 100 veces, aproximadamente 95 estudios tendrán la media poblacional verdadera dentro de su intervalo de confianza del 95%