Todo sobre el muestreo aleatorio estratificado
¿Qué es el muestreo aleatorio estratificado?
Una muestra es una mini representación de una población más grande.
Las muestras se pueden determinar de manera informal o formal. Pero las muestras que se desarrollan sistemáticamente de acuerdo con ciertos métodos científicos generalmente se perciben como más útiles para hacer generalizaciones sobre la población en general.
¿Qué significa estratificado?
Las muestras estratificadas consisten en subgrupos homogéneos que se consideran distintos de manera importante. Una colección de estos subgrupos homogéneos se conoce como estratos. Este método de procedimientos de muestreo permite dividir a la población en subgrupos homogéneos a partir de los cuales se pueden seleccionar muestras aleatorias simples.
¿Por qué es útil una muestra estratificada?
El objetivo del muestreo aleatorio estratificado es seleccionar participantes de diferentes subgrupos que se consideren relevantes para la investigación que se realizará. Por ejemplo, los resultados de un estudio podrían estar influenciados por los atributos de los sujetos , tales como su edad, sexo, nivel de experiencia laboral, grupo racial y étnico, situación económica, nivel de educación alcanzado, y así sucesivamente.
Se construye una muestra estratificada para que se pueda suponer razonablemente que estas características potencialmente influyentes reflejan el patrón de estas características en la población general. De esta forma, la muestra refleja la población de la que se ha tomado, pero no se puede decir que la muestra sea representativa de la población más grande .
Recuerde, la selección de miembros de una muestra estratificada no es un proceso aleatorio. Dicho esto, una vez que se han establecido los estratos, se utiliza un muestreo aleatorio simple para seleccionar los miembros de las muestras para cada estrato .
¿Qué significa probabilístico?
Una muestra aleatoria estratificada es probabilística porque todos los métodos utilizados para seleccionar la población de muestra proporcionan una forma razonablemente confiable de estimar qué tan representativa es la población de muestra para la población más grande (universo) de la que se seleccionó la muestra. En otras palabras, la muestra probabilística permite a un investigador estimar las probabilidades de que la muestra seleccionada represente o no la población más grande de la que se extrajo la muestra.
Ejemplos
Use métodos de muestreo aleatorio estratificado cuando haya interés en las diferencias entre los subgrupos homogéneos y la población de muestra más grande como un todo.
Digamos que una población de clientes comerciales se puede dividir en tres grupos: Gen-Xers, Gen-Yers (Millennial) y Baby Boomers. Además, tenemos razones para creer que tanto los Gen-Xers como los Gen-Yers son minorías relativamente más pequeñas de la clientela comercial general. Los Gen-X representan aproximadamente el 5 por ciento de la población total de la clientela y los Gen-Yers representan aproximadamente el 10 por ciento de la clientela.
Una muestra aleatoria simple de 100 miembros (n = 100) podría generar 5 Gen-Xers y 10 Gen-Yers si usamos una fracción de muestreo del 10 por ciento. Sería posible obtener incluso menos Gen-Xers y menos Gen-Yers que en la muestra, solo por casualidad. La estratificación es probable que produzca resultados más representativos. Digamos que queremos tener al menos 25 personas en cada grupo. Si aún tomamos una muestra de 100 (n = 100), entonces podemos tomar muestras de 25 Gen-Xers, 25 Gen-Yers y 50 Baby Boomers.
Sabemos que el 10 por ciento de la población es Millennials o Gen-Yers (o aproximadamente 100 de nuestros clientes). Una muestra aleatoria de 25 clientes dará una fracción de muestreo dentro del estrato de 25/100 o 25 por ciento. También sabemos que el 5 por ciento de los 50 clientes que no lo son, los Baby Boomers son Gen-Xers. Esto significa que la fracción dentro del estrato será de 25/50 o 50 por ciento.
Entonces, 50 Gen-Xers más 100 Gen-Yers es un total de 150 de nuestra muestra de clientes. Como la población total de clientes es 1000, restamos Gen-Xers más Gen-Yers (un total de 150 clientes), lo que deja a 850 clientes, que son Baby Boomers. La fracción de muestreo dentro del estrato para los Baby Boomers es 50/850 o aproximadamente 5.88 por ciento.
Dos cosas son evidentes: (1) Los tres grupos son más homogéneos dentro del grupo que en toda la población. Esto significa que hay menos varianza, lo que brinda la oportunidad de una mayor precisión estadística . (2) Y dado que la muestra se ha estratificado, habrá suficientes miembros de cada grupo para poder hacer inferencias significativas de subgrupos .
El muestreo estratificado puede preferirse al muestreo aleatorio simple cuando es importante representar a la población general y representar los subgrupos clave de la población, especialmente cuando los subgrupos son bastante pequeños pero se distinguen de manera importante. Mediante el uso de métodos de muestreo estratificado, un investigador puede garantizar eficazmente que los subgrupos puedan diferenciarse en la discusión de los hallazgos de la investigación.