Cuando los experimentadores o investigadores buscan datos, a menudo no es posible medir todos los puntos de datos en una población. Sin embargo, los métodos estadísticos permiten inferencias sobre una población analizando los resultados de una muestra más pequeña extraída de esa población. Existen diferentes métodos de muestreo.
El muestreo aleatorio estratificado es un método común utilizado por los investigadores porque les permite obtener una muestra de población que refleja la población total que se está estudiando, asegurando que todos los subgrupos de interés estén representados. Asimismo, este método de investigación no está exento de inconvenientes.
Conclusiones clave
- El muestreo aleatorio estratificado permite a los investigadores obtener una muestra de población que representa mejor la población total estudiada dividiéndola en subgrupos llamados estratos.
- Sin embargo, este método de muestreo estadístico no se puede utilizar en todos los diseños de estudios o conjuntos de datos.
- El muestreo aleatorio estratificado es diferente del muestreo aleatorio simple, que implica la selección aleatoria de datos de una población completa, por lo que existe la posibilidad de que se produzcan todas las muestras posibles.
Muestreo aleatorio estratificado: una descripción general
El muestreo aleatorio estratificado implica primero dividir una población en subpoblaciones y luego aplicar métodos de muestreo aleatorio a cada subpoblación para formar un grupo de prueba. Una desventaja es cuando los investigadores no pueden clasificar a todos los miembros de la población en un subgrupo.
El muestreo aleatorio estratificado es diferente del muestreo aleatorio simple, que implica la selección aleatoria de datos de la población total para que sea menos probable que se produzcan todas las muestras posibles. Por el contrario, el muestreo aleatorio estratificado divide a la población en grupos o estratos más pequeños, basándose en características compartidas. Se toma una muestra aleatoria de cada estrato en proporción directa al tamaño del estrato en relación con la población.
Ejemplo de estratificación aleatoria estratificada
El siguiente es un ejemplo de muestreo aleatorio estratificado:
Los investigadores están estudiando estudios diseñados para evaluar las inclinaciones políticas de los estudiantes de economía en una gran universidad. Los investigadores quieren asegurarse de que la muestra aleatoria se aproxime mejor a la población estudiantil, incluido el género, los estudiantes universitarios y los graduados. La población total en el estudio es de 1,000 estudiantes y, a partir de esto, se crean subgrupos como se muestra a continuación.
Población total = 1,000
Los investigadores asignarían a cada estudiante de economía de la universidad a una de las cuatro subpoblaciones: pregrado masculino, estudiante universitario femenino, graduado masculino y graduado femenino. Los investigadores contarían el próximo número de estudiantes de cada subgrupo en la población total de 1,000 estudiantes. A partir de ahí, los investigadores calculan la representación porcentual de cada subgrupo de la población total.
Subgrupos:
- Estudiantes universitarios masculinos = 450 estudiantes (de 100) o 45% de la población
- Mujeres universitarias = 200 estudiantes o 20%
- Estudiantes de posgrado masculinos = 200 estudiantes o 20%
- Alumnas de posgrado = 150 estudiantes o 15%
Cada subpoblación se muestrea al azar, en función de su representación dentro de la población en su conjunto. Dado que el 45% de la población son estudiantes universitarios masculinos, se seleccionan al azar 45 estudiantes universitarios masculinos de ese subgrupo. Debido a que los graduados varones representan solo el 20% de la población, se seleccionan 20 para la muestra, y así sucesivamente.
Aunque el muestreo aleatorio estratificado refleja con precisión la población en estudio, las condiciones que deben cumplirse significan que este método no se puede utilizar en todos los estudios.
Beneficios del muestreo aleatorio estratificado
El muestreo aleatorio estratificado tiene ventajas en comparación con el muestreo aleatorio simple.
Refleja con precisión la población estudiada
El muestreo aleatorio estratificado refleja con precisión la población que se está estudiando porque los investigadores están estratificando a toda la población antes de aplicar métodos de muestreo aleatorio. En resumen, asegura que todos los subgrupos de la población estén adecuadamente representados dentro de la muestra. Como resultado, el muestreo aleatorio estratificado proporciona una mejor cobertura de la población, ya que los investigadores controlan los subgrupos para garantizar que todos estén representados en el muestreo.
Con el muestreo aleatorio simple, no hay garantía de que se seleccione un subgrupo o tipo de persona en particular. En nuestra muestra anterior de estudiantes universitarios, solo 25 estudiantes varones o el 25% de la población total pueden seleccionarse mediante muestreo aleatorio simple para obtener una muestra de 100 de la población. Además, se podrían seleccionar 35 estudiantes de posgrado (35% de la población), lo que resultaría en una representación insuficiente de estudiantes universitarios masculinos y una representación excesiva de estudiantes de posgrado femeninos. Cualquier error en la representación de la población tiene el potencial de reducir la precisión del estudio.
Las desventajas del muestreo aleatorio estratificado
El muestreo aleatorio estratificado también está en desventaja.
No se puede utilizar en todos los estudios
Desafortunadamente, este método de investigación no se puede utilizar en todos los estudios. La desventaja del método es que para utilizarlo correctamente, se deben cumplir una serie de condiciones. Los investigadores deben identificar a cada miembro de la población que se está estudiando y clasificar cada uno en una subpoblación y una subpoblación. Como resultado, el muestreo aleatorio estratificado es desventajoso cuando los investigadores no pueden clasificar con seguridad a todos los miembros de la población en un subgrupo. También es un desafío obtener una lista exhaustiva definitiva de toda una población.
La superposición puede ser un problema si hay temas que caen en varios subgrupos. Cuando se realiza un muestreo aleatorio simple, es más probable que se seleccionen aquellos en múltiples subgrupos. El resultado podría ser información errónea o una representación inexacta de la población.
El ejemplo anterior lo hace fácil: pregrado, posgrado, hombres y mujeres son grupos claramente definidos. En otros casos, sin embargo, puede resultar mucho más difícil. Imagínese incorporar rasgos como raza, etnia o religión. El proceso de clasificación se vuelve más difícil, lo que hace que el muestreo aleatorio estratificado sea un método ineficiente y menos que ideal.
