1. Se divide la población en subgrupos homogéneos, llamados estratos.

2. Se toma una muestra aleatoria de cada estrato.

3. Se analiza los resultados.

Ventajas 

• Permite obtener una representación más precisa de la población.

• Minimiza el sesgo de selección.

• Garantiza que todo el grupo poblacional esté representado.

• Es conveniente para muestras pequeñas.

Desventajas

• Puede resultar difícil y llevar mucho tiempo seleccionar grupos de estratos relevantes. 

• No es adecuado para grupos de población con pocas características que puedan utilizarse para dividir la población. 

Factores de estratificación

Los factores que se pueden utilizar para estratificar una población son: 

• Edad

• Género

• Nivel de ingresos

• Educación

• Raza

• Color de pelo

• Rango de edad
  

1. Definir la población objetivo.

2. Determinar el tamaño deseado de la muestra (n).

3. Identificar el marco muestreo existente o desarrollar un marco de muestreo de la población objetivo. Es importante evaluar el marco muestral por falta de cobertura, cobertura excesiva, múltiple cobertura, agrupación, periodicidad, y hacer los ajustes cuando sea necesario. Idealmente, la lista estará en un orden aleatorio con respecto al estudio variable o, mejor aún, ordenada en función de la variable de interés o su correlación, creando así estratificación implícita.

4. Determinar el número de elementos en el marco de la muestra (N).

5. Calcular el intervalo de muestreo (i) dividiendo el número de elementos en el marco de muestreo (N) por el tamaño de la muestra específica (n). Se debe ignorar el resto y redondear o terminar en el número entero más próximo . Redondear hacia abajo y truncar puede hacer que el tamaño de la muestra sea más grande de lo deseado, en cuyo caso se pueden eliminar aleatoriamente las selecciones adicionales. Si no se conoce el tamaño exacto, o es poco práctico determinarlo, se puede fijar una fracción de muestreo.

6. Seleccionar al azar un número, r, de «1» hasta i .

7. Seleccionar para la muestra, r, r + i, r + 2i, r + 3i, y así sucesivamente, hasta agotar el marco

Ejemplo de Muestreo Sistemático aplicado al Censo de 1973 (Basado en la información de DANE):

1. Definir la población objetivo: La población objetivo en este caso fueron todos los formularios de hogares particulares de los departamentos que se recolectaron durante el Censo Nacional de Población y Vivienda de 1973.

2. Determinar el tamaño deseado de la muestra: DANE decidió seleccionar una muestra del 4% de estos formularios para realizar un procesamiento y análisis preliminar.

3. Identificar el marco muestral: El marco muestral fue el conjunto ordenado de todos los formularios de hogares particulares de los departamentos, probablemente organizados por departamento, municipio y posiblemente por área de enumeración dentro de cada jurisdicción . Se asume que estos formularios fueron archivados de manera secuencial30 .

4. Determinar el número de elementos en el marco de la muestra (N) y el tamaño de la muestra deseado (n): Aunque la fuente no proporciona el número exacto de formularios de hogares particulares, podemos representarlo como N. El tamaño de la muestra deseado (n) sería el 4% de N, es decir, 0.04 * N.

5. Calcular el intervalo de muestreo (i): El intervalo de muestreo se calcularía dividiendo el número total de formularios (N) entre el tamaño de la muestra deseado (n): i = N / n = N / (0.04 * N) = 1 / 0.04 = 25. Esto significa que se seleccionaría aproximadamente un formulario cada 25 en el marco muestral.

6. Seleccionar al azar un número de inicio (r): DANE habría seleccionado un número aleatorio (r) entre 1 y el intervalo de muestreo (en este caso, entre 1 y 25). Este número aleatorio indicaría el primer formulario que se incluiría en la muestra.

7. Seleccionar los elementos para la muestra: A partir del formulario seleccionado aleatoriamente (r), se seleccionarían los formularios subsiguientes a intervalos fijos de i = 25. Por ejemplo, si el número de inicio aleatorio fuera 10, los formularios seleccionados serían el 10º, el (10 + 25) = 35º, el (35 + 25) = 60º, y así sucesivamente, hasta completar el tamaño de la muestra del 4%

En contraste con el muestreo aleatorio simple, donde cada miembro de la población tiene la misma probabilidad de ser seleccionado, el muestreo por conglomerados divide la población en grupos o "conglomerados" antes de realizar una selección aleatoria

• Muestreo por conglomerados en una sola etapa (o muestreo por conglomerados en una etapa): En este tipo de muestreo, el proceso se realiza en una única etapa: la selección de los conglomerados. Primero, la población se divide en conglomerados y luego se selecciona aleatoriamente una muestra de estos conglomerados . Una vez que los conglomerados son seleccionados, todos los miembros de estos conglomerados se incluyen en el estudio.

  Este método es sencillo y se utiliza comúnmente cuando los conglomerados son relativamente homogéneos y se puede asumir que cada uno representa una versión a pequeña escala de la población total. Es particularmente útil en situaciones donde se necesita un método rápido y rentable, y donde la representación detallada de cada conglomerado no es tan crucial.

• Muestreo multietápico por conglomerados: Como su nombre indica, este tipo de muestreo se desarrolla en varias etapas. La forma más común es el muestreo por conglomerados en dos etapas.

  • Primera etapa: Los conglomerados se seleccionan aleatoriamente, de manera similar al muestreo en una sola etapa.

  • Segunda etapa: En lugar de incluir a todos los miembros de cada conglomerado seleccionado, se elige una muestra aleatoria de elementos dentro de estos conglomerados

1. Definir la población y los objetivos: Supongamos que el objetivo de nuestro estudio hipotético es estimar ciertas características (por ejemplo, necesidades de salud, tiempo en calle) de la población de habitantes de calle en Bogotá de una manera más rápida y con menos recursos que un censo completo. La población de interés sigue siendo los habitantes de calle de Bogotá.

2. Identificar y dividir en conglomerados: Utilizaríamos la división de la ciudad en Unidades de Cobertura Urbana (UCU) definida por el DANE para el censo de 2017 como nuestros conglomerados. Cada UCU se define como la menor división de la cartografía censal urbana, delimitada por vías de tránsito o elementos naturales permanentes. Alternativamente, podríamos usar las Áreas Operativas (AO), que agrupan varias UCU. La elección entre UCU y AO como conglomerados dependería del tamaño de la muestra deseado y la variabilidad esperada dentro de estas unidades.

3. Seleccionar los conglomerados: En este paso, seleccionaríamos aleatoriamente un número de UCU (o AO) para incluir en nuestra muestra. La forma de selección podría ser aleatoria simple o estratificada (si tuviéramos información adicional sobre las UCU o AO, como la densidad estimada de habitantes de calle basada en la georreferenciación de 2017 mencionada en el marco censal). El número de conglomerados a seleccionar dependería del tamaño de la muestra deseado y los recursos disponibles.

4. Realización del muestreo dentro de los conglomerados seleccionados: Una vez que hayamos seleccionado nuestra muestra de UCU (o AO), tendríamos dos opciones, dependiendo de si aplicamos un muestreo por conglomerados en una etapa o en varias etapas:

   • Muestreo en una etapa: Incluiríamos a todos los habitantes de calle encontrados dentro de las UCU (o AO) seleccionadas en nuestro estudio. Esto significaría enviar equipos de recolección de datos a cada una de las áreas seleccionadas y tratar de entrevistar u observar a todos los habitantes de calle presentes.

   • Muestreo en varias etapas (por ejemplo, dos etapas): Después de seleccionar las UCU (o AO), seleccionaríamos aleatoriamente una muestra de habitantes de calle dentro de cada uno de los conglomerados seleccionados. Esto requeriría una forma de identificar o listar a los habitantes de calle dentro de cada conglomerado al momento del estudio, lo cual podría ser desafiante dada la naturaleza móvil de la población. Sin embargo, podríamos definir "puntos de encuentro" conocidos dentro de cada UCU (basándonos en la información de "parches y cambuches" del marco censal.) y realizar un muestreo en esos puntos.

5. Analizar e interpretar los datos: Los datos recopilados de los habitantes de calle dentro de los conglomerados seleccionados se analizarían teniendo en cuenta el diseño del muestreo por conglomerados. Se deberían aplicar métodos estadísticos que consideren la posible correlación entre los individuos dentro del mismo conglomerado para obtener estimaciones válidas de las características de la población de habitantes de calle en Bogotá

La ECP-2023 utiliza un muestreo probabilístico estratificado por conglomerados, combinando estratificación geográfica y conglomerados urbanos/rurales.

Elementos del plan de muestreo

1. Marco muestral:

   • Unidades de análisis: Hogares y personas mayores de 18 años residentes en Colombia.

   • Cobertura: Nacional, incluyendo cabeceras municipales, centros poblados y zonas rurales dispersas.

   • Tamaño de la muestra:

     • 23.145 hogares con encuesta completa.

     • 64.770 personas con información completa.

2. Estratificación:

   • Estratos geográficos:

     • 5 regiones: Caribe, Oriental, Central, Pacífica y Bogotá.

     • Departamento del Cauca: Analizado como unidad adicional.

   • Estratos por área:

     • Cabeceras municipales (urbano).

     • Centros poblados y rural disperso (rural).

3. Conglomerados:

   • Segmentos: Unidades primarias de muestreo distribuidas en ciudades y municipios.

   • Ejemplo de distribución por ciudades (página 5 del PDF):

     • Bogotá: 329 segmentos.

     • Cali: 216 segmentos.

     • Medellín: 171 segmentos.

     • Ciudades menores como Florencia (27 segmentos) o Quibdó (39 segmentos).

4. Método de recolección:

   • Barrido presencial: Entrevistas directas en hogares seleccionados.

   • Duración promedio: 45 minutos por persona.