En este momento estás viendo Cómo funciona el muestreo aleatorio estratificado

El muestreo aleatorio estratificado es un método de muestreo aleatorio que implica dividir una población en grupos más pequeños, llamados estratos. Los grupos o estratos se organizan en función de las características compartidas o características de los miembros del grupo. El proceso de clasificación de la población en grupos se llama estratificación.

El muestreo aleatorio estratificado también se denomina muestreo aleatorio por cuotas y muestreo aleatorio proporcional. El muestreo aleatorio estratificado tiene muchas aplicaciones y beneficios, como el estudio de la demografía de la población y la esperanza de vida.

Conclusiones clave

  • El muestreo aleatorio estratificado es un método de muestreo que implica subdividir muestras de una población en grupos más pequeños llamados estratos.
  • El muestreo aleatorio estratificado implica tomar muestras aleatorias de grupos estratificados, en proporción a la población.
  • El muestreo aleatorio estratificado es una métrica más precisa porque es una mejor representación de la población total.

Comprender el muestreo aleatorio estratificado

El muestreo aleatorio estratificado divide una población en subgrupos. Se toman muestras aleatorias en la misma proporción que la población de cada uno de los grupos o estratos. Los miembros de cada estrato (singular para estratos) formados tienen características y características similares.

El muestreo aleatorio estratificado es un método de muestreo aleatorio, que es cuando un investigador selecciona un grupo pequeño como tamaño de muestra para un estudio. Este subconjunto refleja la población más grande. Organizar una población en grupos con las mismas características ayuda a los investigadores a ahorrar tiempo y dinero cuando la población en estudio es demasiado grande para analizarla individualmente. El muestreo aleatorio estratificado ayuda al permitir a los investigadores organizar los grupos en función de características similares, por lo que luego se toma una muestra aleatoria de cada estrato o grupo.

El muestreo aleatorio estratificado se puede utilizar, por ejemplo, para estudiar la votación electoral, las personas que trabajan horas extra, la esperanza de vida, los ingresos de diferentes poblaciones y los ingresos para diferentes trabajos en una nación.

Muestreo aleatorio simplificado vs.

Un ejemplo es una muestra aleatoria simple de individuos en la que una población se selecciona al azar de la población y se coloca en la muestra. Este método busca seleccionar personas al azar para seleccionar un tamaño de muestra que sea una representación imparcial de la población. Sin embargo, una muestra aleatoria simple no es ventajosa cuando las muestras de la población varían mucho.

Por el contrario, el muestreo aleatorio estratificado divide la población en subgrupos y los organiza de acuerdo con rasgos, características y comportamientos similares. Como resultado, es más ventajoso aprovechar el muestreo aleatorio estratificado cuando hay una gran variación en la población, ya que ayuda a organizar mejor las muestras para el estudio.

Sin embargo, una muestra aleatoria simple es ventajosa cuando la población no se puede organizar en subgrupos porque hay demasiadas diferencias en la población. Además, las muestras aleatorias simples son mejores cuando hay poca información sobre la población, lo que evita que la población se divida en subconjuntos en función de características o características.

Ejemplo de muestreo aleatorio estratificado

Un equipo de investigación ha decidido realizar un estudio para analizar la media de los puntos de calificación o GPA de los 21 millones de estudiantes universitarios en los EE. UU. Los investigadores deciden encontrar una muestra aleatoria de 4,000 estudiantes universitarios dentro de la población de 21 millones. Al equipo le gustaría revisar las diversas burocracias y los GPA posteriores de los estudiantes o participantes de muestra.

De los 4.000 participantes, el desglose de las especialidades es el siguiente:

  • Inglés: 560
  • Ciencia: 1,135
  • Ciencias de la computación: 800
  • Ingeniería: 1.090
  • Mata: 415

Los investigadores tienen sus cinco estratos del proceso de muestreo aleatorio estratificado. Luego, los investigadores estudian los datos de la población para averiguar el porcentaje de los 21 millones de estudiantes más grandes en las materias de su muestra. Los resultados muestran lo siguiente:

  • 12% grande en inglés
  • 28% mayor en ciencias
  • 24% mayor en ciencias de la computación
  • 21% especialización en ingeniería
  • 15% grande en matemáticas

El equipo decide emplear una muestra aleatoria estratificada proporcional mediante la cual quieren averiguar si las especialidades de los estudiantes de la muestra representan la misma proporción que la población.

Sin embargo, las proporciones en la muestra no son iguales a los porcentajes en la población. Por ejemplo, el 12% de la población estudiantil son burócratas ingleses y el 14% de los estudiantes de la muestra son burócratas ingleses (o 560 guardias ingleses / 4.000).

Como resultado, los investigadores deciden reinventar a los estudiantes para que coincidan con el porcentaje de especializaciones en la población. Deciden seleccionar al azar lo siguiente de los 4000 estudiantes de su muestra:

  • 480 guardias ingleses (12% de 4.000)
  • 1,120 directores de ciencias (28% de 4,000)
  • 960 directores de ciencias de la computación (24% de 4.000)
  • 840 guardias de ingeniería (21% de 4.000)
  • 600 guardianes de matemáticas (15% de 4.000)

Los investigadores ahora tienen una muestra aleatoria estratificada proporcional de estudiantes universitarios y sus respectivas especialidades, que representan con mayor precisión las especialidades de toda la población estudiantil. A partir de ahí, los investigadores pueden analizar los GPA de cada estrato, así como sus características, para comprender mejor cómo se está desempeñando toda la población estudiantil.