• Muestreo: Probabilístico estratificado.

• Marco Muestral: Establecimientos comerciales registrados.

• Estratos: Según actividad económica y tamaño.

Muestreo: Probabilístico estratificado.

• Marco Muestral: Hogares seleccionados en todo el país.

• Estratos: Basados en características socioeconómicas.

• Muestreo: Probabilístico estratificado.

• Marco Muestral: Edificaciones registradas en el país.

• Estratos: Según ubicación y tipo de edificación.

• Conglomerados: Agrupados por departamentos.

A este tipo de muestreo aleatorio se le conoce también como muestreo por cúmulos o muestreo por áreas.

Se utiliza cuando no se pueden estudiar todos los elementos de la población ya que esta es muy grande o se encuentra dispersa en un área geográfica muy extensa, por lo que los costos de la investigación serían relativamente elevados. 

Los dos tipos principales son el muestreo por conglomerados en una sola etapa y el muestreo por conglomerados en varias etapas, cada uno con su metodología y aplicación distintas.

• Decidir un público objetivo y también el tamaño de la muestra.

• Crear un marco de muestreo utilizando un marco existente o creando uno nuevo para el público objetivo.

• Evaluar los marcos en función de la cobertura y la agrupación y hacer cualquier ajuste correspondiente. Estos grupos suelen ser variados considerando la población que puede ser exclusiva e integral. Los miembros de una muestra se seleccionan de manera individual.

• Determinar la cantidad de grupos e incluir una cantidad de miembros promedio en ellos. Asegúrate de que cada uno de estos grupos realmente sea distinto el uno del otro.

• Elígelos al azar.

• La estructura geográfica o por área es la más utilizada en muestreo por conglomerados.

• El muestreo por conglomerados se deriva en subtipos de una etapa y de dos etapas, en función del número de pasos que siguen los investigadores para formar conglomerados.

El objetivo principal del muestreo por conglomerados se puede especificar como la reducción de costos y el aumento de los niveles de eficiencia del muestreo. Esta técnica específica también puede ser aplicada en conjunto con el muestreo por etapas múltiples.

Una gran diferencia con el muestreo estratificado tiene que ver con el hecho de que en el muestreo por conglomerados un grupo es percibido como una unidad de muestreo, mientras que en el estratificado sólo se aceptan elementos específicos de los estratos como unidad de muestreo.

Por consiguiente, en el muestreo por conglomerados una lista completa de los grupos representa el marco muestral. Luego, algunos grupos son elegidos al azar como fuente de datos primarios.

El muestreo por área o geográfico se puede especificar como la versión más popular del muestreo por conglomerados. Concretamente, un área específica puede ser dividida en grupos y los datos primarios pueden ser recopilados de cada grupo para representar el punto de visto de toda el área.

La naturaleza del análisis de conglomerados depende del tamaño comparativo de los conglomerados por separado. Si no hay grandes diferencias entre los tamaños de los grupos, el análisis puede realizarse combinando los grupos. Alternativamente, si hay grandes diferencias en los tamaños de los grupos, se puede aplicar la probabilidad proporcional al tamaño de muestra para realizar el análisis.

• Puede facilitar la implementación física del muestreo (organización de la campaña de toma de datos, lugares a visitar, etc.)

• Permite aplicar el esfuerzo de muestreo de forma “inteligente”, tomando muestras de mayor tamaño en aquellos estratos que así lo requieran, y menos en donde no haga falta. Por poner un ejemplo extremo, si todos los sujetos de un estrato son clónicos, posiblemente bastaría con medir a uno de ellos para tener toda la información necesaria. Si los sujetos de un estrato son extremadamente heterogéneos, habrá que tomar una muestra grande para poder captar bien el efecto de esa variabilidad.

El muestreo estratificado es un procedimiento de muestreo en el que el objetivo de la población se separa en segmentos exclusivos, homogéneos (estratos), y luego una muestra aleatoria simple se selecciona de cada segmento (estrato).

Las muestras seleccionadas de los diversos estratos se combinan en una una sola muestra. Este procedimiento de muestreo se refiere a veces como » muestreo de cuota aleatorio».

Aquí te comparto algunas consideraciones para tener el mejor muestreo.

Consideremos una situación en la que un equipo de investigación busca opiniones sobre religión entre varios grupos de edad. 

En lugar de recopilar comentarios de 127.5 millones de ciudadanos en México, el equipo puede seleccionar muestras aleatorias de alrededor de 10,000 personas para realizar la investigación.

Estos 10,000 ciudadanos se pueden dividir en estratos según su edad, es decir, en grupos de 18 a 29 años, de 30 a 39 años, de 40 a 49 años, 50 a 59 años y 60 o más. Cada estrato tendrá miembros distintos y, por supuesto, de igual manera el número de miembros será diferente.

El muestreo aleatorio estratificado tiene ventajas en comparación con el muestreo aleatorio simple.

Refleja la población que se estudia porque los investigadores estratifican toda la población antes de aplicar métodos de muestreo aleatorio. En resumen, garantiza que cada subgrupo dentro de la población reciba una representación adecuada dentro de la muestra. Como resultado, el muestreo aleatorio estratificado proporciona una mejor cobertura de la población ya que los investigadores tienen control sobre los subgrupos para garantizar que todos ellos estén representados en el muestreo. 

Desventajas del muestreo aleatorio estratificado

El muestreo aleatorio estratificado también presenta una desventaja para los investigadores.

Lamentablemente, este método de investigación no se puede utilizar en todos los estudios. La desventaja del método es que se deben cumplir varias condiciones para que se utilice correctamente. Los investigadores deben identificar a todos los miembros de la población que se estudia y clasificar a cada uno de ellos en una, y solo una, subpoblación.

⚫ de Smith, M. J., Goodchild, M.G. & Longley P.A. (2009). Geospatial Analysis: A comprehensive Guide to Principles, Techniques and Software Tools. (3a ed.), Leicester, Inglaterra: Troubador Publishing Ltd.

⚫ Haining R. P., (2003). Spatial Data Analysis: Theory and Practice. Cambridge,

Reino Unido: Cambridge University Press.

⚫ McKillup, S. & Darby M. (2010). Geoestatistics Explained. An Introductory Guide for Earth Scientists, Cambridge, Reino Unido: Cambridge University Press.

⚫ Walpole, R. E.; Myers, R. H.; Myers, S. L. & Ye, K. (2007). Probabilidad y estadística para ingeniería y ciencias, (8ª ed.) México: Pearson Educación.

Wikipedia. (2014). Gerrymandering. Recuperado de http://es.wikipedia.org/w/index.php?title=Gerrymandering&oldid=75968359

· De esta población, las muestras aleatorias se eligen de dos maneras: tablas de números aleatorios y con un software de generador de números aleatorios.

¿cómo realizar un muestreo aleatorio sin sesgo? Hay dos enfoques o métodos que se encargan de minimizar este punto:

Método de lotería: El método de la lotería es uno de los métodos más antiguos y es definitivamente un ejemplo claro del mecanismo del muestreo aleatorio simple. En este método, cada miembro de la población debe estar numerado de manera sistemática y posterior a esto se escribe cada número en una hoja de papel por separado.

Uso de números aleatorio: El método de uso de números aleatorios es un método alternativo que también implica la numeración de la población.

· Debido a que involucra un marco de muestra grande, generalmente es fácil seleccionar un tamaño de muestra más pequeño de una población más grande.

· La persona que realiza la investigación no necesita tener conocimiento previo de los datos que se recopilaran. Uno puede simplemente hacer una pregunta para reunir la información necesaria. La realidad es que en este caso no se necesita ser un experto en el tema.

· Este método de muestreo es un método básico de recopilación de datos. No se requieren conocimientos técnicos.

· Dado que el tamaño de la población es grande en este tipo de método de muestreo, no existe ninguna restricción en el tamaño de la muestra. De una población más grande se puede obtener con facilidad una muestra más pequeña.

· Este método de muestreo no es adecuado para estudios que involucran entrevistas cara a cara, ya que cubren grandes áreas geográficas que tienen limitaciones de costo y tiempo.

·  Un tamaño de muestra que es demasiado grande puede llegar a ser problemático, ya que cada miembro de la población tiene las mismas posibilidades de selección. Una población más grande significa un marco de muestra más grande y muchas veces puede llegar a ser difícil manejar a una población.

·La calidad de los datos depende del investigador y su perspectiva. Si el investigador tiene experiencia, existen posibilidades de que la calidad de los datos recopilados sean de una calidad superior.

·  La población objetivo no tiene porqué ser numerada y se compila un marco si hay representación física.

· Si el orden de los elementos en el muestreo se asignaron al azar, el muestreo sistemático puede producir resultados similares al muestreo aleatorio simple.

· El muestreo sistemático elimina la posibilidad de auto correlación.

· El muestreo sistemático asegura que la muestra es extendida a toda la población.

· Elementos combinados tienen diferentes probabilidades de ser seleccionados.

·Técnicamente, sólo la selección del primer elemento es una selección de probabilidad ya que para las selecciones posteriores, habrán elementos de la población objetivo que tendrán cero probabilidad de ser seleccionados.

· La estimación de las variaciones es más complejo que en el muestreo aleatorio simple.