fbpx
Finanzas Corporativas y Contabilidad/ Financial Analysis

Muestreo aleatorio estratificado

¿Qué es el muestreo aleatorio estratificado?

El muestreo aleatorio estratificado es un método de muestreo aleatorio que implica dividir una población en subgrupos más pequeños llamados estratos. En el muestreo aleatorio estratificado o estratificado, los estratos se crean en función de las características compartidas o características de los miembros, como los ingresos o el nivel educativo.

El muestreo aleatorio estratificado también se denomina muestreo aleatorio estratificado o muestreo aleatorio por cuotas.

Conclusiones clave

  • El muestreo aleatorio estratificado permite a los investigadores obtener una muestra de población que representa la población total que se está estudiando.
  • El muestreo aleatorio estratificado implica dividir a toda la población en grupos homogéneos llamados estratos.
  • 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.

1:40

Muestreo aleatorio estratificado

Cómo funciona el muestreo aleatorio estratificado

Cuando se analiza o investiga un grupo de entidades con las mismas características, un investigador puede encontrar que el tamaño de la población es demasiado grande para realizar una investigación. Para ahorrar tiempo y dinero, los analistas pueden adoptar un enfoque más factible al seleccionar un pequeño grupo de la población. El grupo pequeño se denomina tamaño de muestra, que es un subconjunto de la población que se utiliza para representar la población total. Se puede seleccionar una muestra de una población de varias formas, una de las cuales es el método de muestreo aleatorio estratificado.

El muestreo aleatorio estratificado implica dividir a toda la población en grupos homogéneos llamados estratos (plural de estrato). Luego se seleccionan muestras aleatorias de cada estrato. Por ejemplo, considere un investigador académico al que le gustaría saber el número de estudiantes de MBA en 2007 que recibieron una oferta de trabajo dentro de los tres meses posteriores a la graduación.

Pronto se descubrirá que hubo casi 200.000 graduados de MBA durante el año. Podría decidir tomar una muestra aleatoria simple de 50.000 graduados y realizar una encuesta. Mejor aún, podría dividir la población en estratos y tomar una muestra aleatoria de los estratos. Para hacer esto, crearía grupos de población basados ​​en género, rango de edad, raza, país de nacionalidad y antecedentes ocupacionales. Se toma una muestra aleatoria de cada estrato en números proporcionales al tamaño del estrato en relación con la población. Estos subconjuntos de estratos luego se agrupan para formar una muestra aleatoria.

[Important: Stratified sampling is used to highlight differences between groups in a population, as opposed to simple random sampling, which treats all members of a population as equal, with an equal likelihood of being sampled.]

Ejemplo de muestreo aleatorio estratificado

Suponga que el equipo de investigación quiere determinar el GPA de los estudiantes universitarios en los Estados Unidos. Es difícil para el equipo de investigación recopilar datos de cada 21 millones de estudiantes universitarios; decide tomar una muestra aleatoria de la población con 4.000 estudiantes.

Ahora suponga que el personal analiza las diferentes características de los participantes de la muestra y me pregunto si hay alguna diferencia entre los GPA y los estudiantes majestuosos. Suponga que descubre que 560 estudiantes son guardianes ingleses, 1,135 son guardianes de ciencias, 800 son guardianes de ciencias de la computación, 1,090 son guardianes de ingeniería y 415 son guardianes de matemáticas. El equipo quiere usar donde el estrato de la muestra es proporcional a la muestra aleatoria en la población.

Suponga que el equipo investiga la demografía de los estudiantes universitarios en los EE. UU. Y encuentra el mayor porcentaje de estudiantes: 12% se especializa en inglés, 28% se especializa en ciencias, 24% se especializa en ciencias de la computación, 21 un gran% en ingeniería y una gran 15% en matemáticas. Así, se crean cinco estratos a partir del proceso de muestreo aleatorio estratificado.

Luego, el equipo debe declarar que el estrato de la población es proporcional al estrato de la muestra; sin embargo, encuentran que las proporciones no son justas. Luego, el equipo tiene que volver a muestrear a 4,000 estudiantes de la población y seleccionar al azar 480 estudiantes de inglés, 1,120 de ciencias, 960 de ciencias de la computación, 840 de ingeniería y 600 de matemáticas.

Además, tiene una muestra aleatoria estratificada proporcional de estudiantes universitarios, lo que proporciona una mejor representación de los investigadores morbosos de los estudiantes universitarios de EE. UU. Los diversos medios respetan los puntos de calificación. .

Muestras aleatorias estratificadas aleatorias

Las muestras aleatorias simples y las muestras aleatorias estratificadas son herramientas de medición estadística. Se utiliza una muestra aleatoria simple para representar la población total de datos. Una muestra aleatoria estratificada divide a la población en grupos o estratos más pequeños, basándose en características compartidas.

La muestra aleatoria simple se utiliza a menudo cuando hay muy poca información disponible sobre la población de datos, cuando la población de datos tiene demasiadas diferencias para dividirse en diferentes subconjuntos o cuando solo hay una característica particular entre la población.

Por ejemplo, una empresa de dulces puede querer estudiar los hábitos de compra de sus clientes para determinar el futuro de su línea de productos. Si hay 10,000 clientes, puede seleccionar al azar a 100 de esos clientes. Luego, puede aplicar lo que encuentre de esos 100 clientes al resto de su base. A diferencia de la estratificación, muestreará aleatoriamente a 100 miembros independientemente de sus características individuales.

Estratificación proporcional y desproporcionada

El muestreo aleatorio estratificado asegura que cada subgrupo de una población determinada esté adecuadamente representado dentro de toda la población de muestra de un estudio de investigación. La estratificación puede ser proporcional o desproporcionada. En un método proporcional estratificado, el tamaño de la muestra de cada estrato es proporcional al tamaño de la población del estrato.

Por ejemplo, si el investigador quisiera una muestra de 50.000 graduados usando un rango de edad, la muestra aleatoria estratificada proporcional se obtendrá usando esta fórmula: (tamaño de la muestra / tamaño de la población) x tamaño del estrato. La siguiente tabla asume un tamaño de población de 180.000 graduados de MBA por año.

Grupo de edad

24-28

29-33

34-37

Total

Número de personas en el estrato

90.000

60.000

30.000

180.000

Tamaño muestral de estratos

25.000

16.667

8.333

50.000

El tamaño de la muestra de los estratos para los graduados de MBA en el rango de edad de 24 a 28 años se calcula como (50,000 / 180,000) x 90,000 = 25,000. El mismo método se utiliza para los otros grupos de edad. Ahora que se conoce el tamaño de la muestra de los estratos, el investigador puede realizar un muestreo aleatorio simple en cada estrato para seleccionar a los participantes de la encuesta. Es decir, 25.000 graduados del grupo de edad de 24-28 serán seleccionados al azar de la población total, 16.667 graduados del rango de edad de 29-33 serán seleccionados al azar de la población, y así sucesivamente.

En una muestra estratificada desproporcionada, el tamaño de cada estrato no es proporcional a su tamaño en la población. El investigador puede decidir tomar una muestra de la mitad de los graduados dentro del grupo de edad de 34 a 37 años y 1/3 de los graduados dentro del grupo de edad de 29 a 33 años.

Es importante señalar que no se puede ingresar a múltiples estratos. Todas las entidades deben encajar en un estrato. Si tiene subgrupos superpuestos, habrá una mayor probabilidad de que se seleccionen personas para la encuesta, olvidando por completo el concepto de muestreo estratificado como una forma de muestreo probabilístico.

Los gestores de carteras pueden utilizar un muestreo aleatorio estratificado para crear carteras replicando un índice como un índice de bonos.

Beneficios del muestreo aleatorio estratificado

La principal ventaja del muestreo aleatorio estratificado es que captura las características clave de la población en la muestra. Como un promedio ponderado, este método de muestreo produce rasgos en la muestra que son proporcionales a la población total. El muestreo aleatorio estratificado funciona bien para poblaciones con diferentes características, pero por lo demás es ineficaz si no se pueden formar subgrupos.

La estratificación da un error menor en la estimación y es más precisa que el método de muestreo aleatorio simple. Cuanto mayores sean las diferencias entre los estratos, mayor será la ganancia precisamente.

Las desventajas del muestreo aleatorio estratificado

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 a cada uno de ellos en una subpoblación y una población. 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. Además, 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.

Los ejemplos anteriores facilitan: estudiantes de 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.