¿Qué es un ejemplo?
Un ejemplo se refiere a una versión más pequeña y manejable de un grupo más grande. Es un subconjunto de características de población más grandes. Las muestras se utilizan en pruebas estadísticas cuando el tamaño de la población es demasiado grande para que la prueba incluya todos los miembros u observaciones posibles. La muestra debe reflejar la población en su conjunto y no debe mostrar ningún sesgo hacia características particulares.
Conclusiones clave
- Un ejemplo se refiere a una versión más pequeña y manejable de un grupo más grande o subconjunto de una población más grande.
- El uso de ejemplos permite a los investigadores realizar sus estudios de manera fácil y oportuna.
- Para lograr una muestra no sesgada, la selección debe ser aleatoria para que todos los miembros de la población tengan todas las posibilidades de ser agregados al grupo de muestra.
- En el muestreo aleatorio simple, todas las entidades de la población son idénticas y el muestreo aleatorio estratificado divide a toda la población en grupos más pequeños.
Comprensión de ejemplos
Un ejemplo es un número imparcial de observaciones tomadas de una población. En términos básicos, la población es el número total de individuos, animales, bienes, observaciones, datos, etc. Cualquier tema específico. Entonces, la muestra es parte, parte o fracción de todo el grupo, en otras palabras, y sirve como un subconjunto de la población. Los ejemplos se utilizan en una variedad de entornos de investigación. Científicos, especialistas en marketing, agencias gubernamentales, economistas y grupos de investigación se encuentran entre los que utilizan muestras para sus estudios y mediciones.
El uso de poblaciones enteras para la investigación es un desafío, por lo que se utilizan ejemplos. Los investigadores pueden tener problemas para acceder fácilmente a poblaciones enteras. Y debido a la naturaleza de algunos estudios, los investigadores pueden tener dificultades para obtener los resultados que necesitan de manera oportuna. Es por eso que las personas que estudian usan ejemplos. Un número menor de personas que representen a toda la población puede lograr resultados válidos y reducir el tiempo y los recursos.
Las muestras utilizadas por los investigadores deben ser muy similares a las de la población. Todos los participantes de la muestra deben tener las mismas características y cualidades. Entonces, si el estudio se aplica a estudiantes universitarios varones de primer año, la muestra debe ser un pequeño porcentaje de hombres que se ajusten a esta descripción. De manera similar, si un grupo de investigación estudia los patrones de sueño de mujeres solteras mayores de 50 años, la muestra solo debe incluir mujeres dentro de este grupo demográfico.
Piense en un equipo de investigadores académicos que quieren saber cuántos estudiantes han estudiado durante menos de 40 horas para el examen CFA y aún lo han aprobado. Dado que más de 200,000 personas toman el examen en todo el mundo cada año, puede ser muy tedioso y requiere a todos los participantes en el examen.
De hecho, para el momento en que se hubieran recopilado y analizado los datos de la población, habrían pasado algunos años, lo que haría que el análisis fuera inútil ya que habría surgido una nueva población. Lo que los investigadores pueden hacer en cambio es tomar una muestra de la población y obtener datos de esta muestra.
Para obtener una muestra no sesgada, la selección debe ser aleatoria para que todos en la población tengan la misma oportunidad de ser agregados al grupo.
Para lograr una muestra no sesgada, la selección debe ser aleatoria para que todos los miembros de la población tengan todas las posibilidades de ser agregados al grupo de muestra. Esto es similar al sorteo de una lotería y es la base para un muestreo aleatorio simple.
Tipos de muestreo
Muestreo aleatorio simple
El muestreo aleatorio simple es ideal si todas las entidades de la población son iguales. Si a los investigadores no les importa si todos sus materiales de muestra son hombres o mujeres o una combinación de ambos sexos de alguna forma, el muestreo aleatorio simple puede ser una buena técnica de selección.
Supongamos que hubo 200.000 examinados que se presentaron al examen CFA en 2016, de los cuales el 40% eran mujeres y el 60% hombres. Por tanto, la muestra aleatoria, extraída de la población de un total de 1.000 pruebas realizadas, debería incluir 400 mujeres y 600 hombres.
Pero, ¿qué pasa con las situaciones en las que la proporción de hombres y mujeres que han pasado un examen después de estudiar menos de 40 horas es importante? Aquí es preferible una muestra aleatoria estratificada a una muestra aleatoria simple.
Muestreo aleatorio estratificado
Este tipo de muestreo, denominado muestreo aleatorio proporcional o muestreo aleatorio por cuotas, divide la población total en grupos más pequeños. Estos se llaman estratos. Las personas dentro de los estratos tienen características similares.
¿Qué pasaría si la edad fuera un factor importante que los investigadores quisieran incluir en sus datos? Utilizando la técnica de muestreo aleatorio estratificado, pudieron crear capas o estratos para cada grupo de edad. La selección de cada estrato debería ser aleatoria para que exista la posibilidad de que todas las personas del grupo se incluyan en la muestra. Por ejemplo, hay dos participantes, Alex y David, de 22 y 24 años, respectivamente. La selección de la muestra no puede seleccionar uno sobre el otro basándose en algún mecanismo favorable. Ambos deben tener la misma oportunidad de ser seleccionados para su grupo de edad. Los estratos podrían verse así:
| Estrato (edad) | Número de personas en la población | Rellenar para inclusión en el ejemplo |
| 20-24 | 30.000 | 150 |
| 25-29 | 70.000 | 350 |
| 30-34 | 40.000 | 200 |
| 35-39 | 30.000 | 150 |
| 40-44 | 20.000 | 100 |
| > 44 | 10,000 | 50 |
| Total | 200.000 | 1.000 |
De la tabla, la población se divide en grupos de edad. Por ejemplo, 30,000 personas dentro del rango de edad de 20 a 24 años tomaron el examen CFA en 2016. Usando la misma proporción, el grupo de muestra que cae dentro de este grupo tendrá (30,000 ÷ 200,000) x 1,000 = 150 receptores de prueba. Alex o David, o ambos, o ambos, pueden incluirse entre los 150 participantes del examen aleatorizados de la muestra.
Hay muchos otros estratos que podrían compilarse al determinar el tamaño de la muestra. Algunos investigadores pueden considerar funciones laborales, países, estado civil, etc. Consiga que los evaluadores decidan cómo crear la muestra.
Ejemplos de ejemplos
En 2017, la población mundial era de 7.500 millones, de los cuales el 49,6% eran mujeres y el 50,4% hombres. El número total de personas en un país determinado también puede ser un tamaño de población. El número total de estudiantes en una ciudad se puede tomar como población, y el número total de perros en una ciudad también es el tamaño de la población. Se pueden tomar muestras de estas poblaciones con fines de investigación.
Después de nuestra muestra de examen CFA, los investigadores pudieron tomar una muestra de 1,000 participantes CFA del total de 200,000 receptores de prueba (la población) y ejecutar los datos necesarios en este número. La media de esta muestra se tomaría para estimar el promedio de examinados CFA que aprobaron aunque solo hayan estudiado menos de 40 horas.
El grupo de muestra tomado no debe estar sesgado. Esto significa que si el tamaño de la muestra de los 1,000 participantes en el examen CFA es 50, entonces el promedio de la población de los 200,000 examinados también debería ser de alrededor de 50.
