Tamaño de la muestra. Estudio de población y muestra.
La investigación estadística requiere mucha mano de obra y es costosa, por lo que surgió la idea de sustituir la observación continua por la observación selectiva.
El objetivo principal de la observación no continua es obtener las características de la población estadística en estudio para la parte encuestada.
Observación selectiva es un método de investigación estadística en el que los indicadores generales de la población se establecen solo para una sola parte basándose en las disposiciones de la selección aleatoria.
Con el método de muestreo solo se estudia una determinada parte de la población en estudio, y la población estadística a estudiar se denomina población general.
Una población de muestra o simplemente una muestra puede denominarse parte de unidades seleccionadas de la población general que serán sometidas a una investigación estadística.
La importancia del método de muestreo: con un número mínimo de unidades objeto de estudio, la investigación estadística se realizará en periodos de tiempo más cortos y con la menor cantidad de dinero y trabajo.
En una población general, la proporción de unidades que tienen la característica que se está estudiando se llama proporción general (denotada R), y el valor promedio del rasgo variable que se estudia es el promedio general (denotado X).
En una población de muestra, la proporción de la característica que se estudia se denomina proporción de muestra, o parte (denotada por w), el valor promedio en la muestra es muestra promedio.
Si durante el examen se cumplen todas las reglas de su organización científica, entonces el método de muestreo dará resultados bastante precisos y, por lo tanto, este método Es recomendable utilizarlo para comprobar datos de observación continua.
Este método se ha generalizado en la estadística estatal y no departamental, pues al estudiar el número mínimo de unidades en estudio permite realizar un estudio exhaustivo y preciso.
La población estadística que se estudia está formada por unidades con características variables. La composición de la población de la muestra puede diferir de la composición de la población; esta discrepancia entre las características de la muestra y la población constituye un error de muestreo.
Los errores inherentes a la observación de la muestra caracterizan el tamaño de la discrepancia entre los datos de la observación de la muestra y los de toda la población. Los errores que surgen durante la observación de una muestra se denominan errores de representatividad y se dividen en aleatorios y sistemáticos.
Si la población de muestra no reproduce con precisión toda la población debido a la naturaleza discontinua de la observación, esto se denomina errores aleatorios y sus tamaños se determinan con suficiente precisión basándose en la ley de los grandes números y la teoría de la probabilidad.
Los errores sistemáticos surgen como resultado de la violación del principio de aleatoriedad en la selección de unidades de población para observación.
2. Tipos y esquemas de selección.
El tamaño del error de muestreo y los métodos para determinarlo dependen del tipo y diseño de la selección.
Existen cuatro tipos de selección de una población de unidades de observación:
1) aleatorio;
2) mecánico;
3) típico;
4) serie (anidado).
Selección aleatoria– el método de selección más común en una muestra aleatoria, también llamado método de sorteo, en el que se prepara un boleto con un número de serie para cada unidad de la población estadística.
Siguiente, seleccionado al azar cantidad requerida unidades de la población estadística. En estas condiciones, cada uno de ellos tiene la misma probabilidad de ser incluido en la muestra, por ejemplo, en sorteos ganadores, cuando del número total de billetes emitidos se selecciona al azar una determinada parte de los números en los que se producen las ganancias. En este caso, todos los números tienen la misma oportunidad de ser incluidos en la muestra.
Selección mecánica- este es un método en el que toda la población se divide en grupos de volumen homogéneo según un criterio aleatorio, luego de cada grupo se toma solo una unidad. Todas las unidades de la población estadística en estudio están preestablecidas en un orden determinado, pero. Dependiendo del tamaño de la muestra, el número requerido de unidades se selecciona mecánicamente en un intervalo determinado.
Selección típica – Este es un método en el que la población estadística en estudio se divide según una característica típica esencial en grupos cualitativamente homogéneos del mismo tipo, luego de cada uno de estos grupos se selecciona aleatoriamente un cierto número de unidades, proporcional al peso específico. del grupo en toda la población.
La selección típica da resultados más precisos, ya que incluye representantes de todos los grupos típicos de la muestra.
Selección de serie (clúster). Están sujetos a selección grupos enteros (series, nidos) seleccionados aleatoriamente o mecánicamente. Para cada uno de estos grupos o series, se lleva a cabo una observación continua y los resultados se transfieren a toda la población.
La precisión de la muestra también depende del esquema de muestreo. El muestreo puede realizarse según un esquema de muestreo repetido o no repetitivo.
Reselección. Cada unidad o serie seleccionada se devuelve a toda la población y se puede volver a ingresar en la muestra. Este es el llamado esquema de bola devuelta.
Selección no repetitiva. Cada unidad encuestada se elimina y no se devuelve a la población, por lo que no se vuelve a encuestar. Este esquema se llama bola no devuelta.
El muestreo no repetitivo da resultados más precisos porque, con el mismo tamaño de muestra, la observación cubre un mayor número de unidades de la población en estudio.
selección combinada puede pasar por una o más etapas. Una muestra se llama monoetápica si una vez seleccionadas se estudian unidades de la población.
Una muestra se llama polietápica si la selección de la población se realiza en etapas, etapas sucesivas, y cada etapa, etapa de selección tiene su propia unidad de selección.
Muestreo multifase: en todas las etapas del muestreo se conserva la misma unidad de muestreo, pero se llevan a cabo varias etapas, fases de encuestas por muestreo, que difieren en la amplitud del programa de encuestas y el tamaño de la muestra.
Las características de los parámetros de las poblaciones general y muestral se indican con los siguientes símbolos:
norte– volumen de la población general;
norte- tamaño de la muestra;
X- promedio general;
X– promedio muestral;
R– participación general;
w – participación de muestra;
2 – dispersión general (variación de la característica en la población general);
2 – varianza muestral de la misma característica;
? – desviación estándar de la población;
? – desviación estándar en la muestra.
3. Errores de muestreo
Cada unidad en una observación de muestra debe tener las mismas oportunidades que las demás para ser seleccionada; esta es la base de una muestra aleatoria adecuada.
Muestreo aleatorio adecuado Es la selección de unidades de entre toda la población mediante sorteo u otros medios similares.
El principio de aleatoriedad es que la inclusión o exclusión de un elemento de una muestra no puede verse influenciada por ningún otro factor que no sea el azar.
Compartir muestra es la relación entre el número de unidades de la población de muestra y el número de unidades de la población general:
La selección aleatoria adecuada en su forma pura es la original entre todos los demás tipos de selección: contiene e implementa los principios básicos de la observación estadística selectiva.
Los dos tipos principales de indicadores generales que se utilizan en el método de muestreo son el valor promedio de una característica cuantitativa y el valor relativo de una característica alternativa.
La fracción de muestra (w), o particularidad, está determinada por la relación entre el número de unidades que poseen la característica en estudio. metro, A numero total unidades de la población de muestra (n):
Para caracterizar la confiabilidad de los indicadores muestrales, se hace una distinción entre los errores de muestreo promedio y máximo.
El error de muestreo, también llamado error de representatividad, es la diferencia entre la muestra correspondiente y las características generales:
?x =|x – x|;
?w =|x – p|.
Sólo las observaciones muestrales están sujetas a error de muestreo.
Media muestral y proporción muestral- Este variables aleatorias, tomando distintos valores en función de las unidades de la población estadística en estudio que se incluyeron en la muestra. Por consiguiente, los errores de muestreo también son variables aleatorias y también pueden adoptar diferentes valores. Por lo tanto, se determina el promedio de posibles errores: el error de muestreo promedio.
El error de muestreo promedio está determinado por el tamaño de la muestra: que mas numeros En igualdad de condiciones, menor será el error de muestreo promedio. Al cubrir un número cada vez mayor de unidades de la población general con una encuesta por muestreo, caracterizamos a toda la población general con mayor precisión.
El error de muestreo promedio depende del grado de variación de la característica que se estudia a su vez, ¿el grado de variación se caracteriza por la dispersión? 2 o w(l-w)– para una señal alternativa. Cuanto menor sea la variación y dispersión de los rasgos, menor será el error de muestreo promedio y viceversa.
En caso de muestreo aleatorio repetido, los errores promedio se calculan teóricamente utilizando las siguientes fórmulas:
1) para una característica cuantitativa media:
¿Dónde? 2 – valor medio de dispersión de una característica cuantitativa.
2) por una acción (atributo alternativo):
Entonces, ¿cuál es la varianza de un rasgo en la población? 2 no se conoce exactamente, en la práctica utilizan el valor de la dispersión S 2 calculada para la población de muestra sobre la base de la ley de los grandes números, según la cual la población de muestra, con un tamaño de muestra suficientemente grande, reproduce con bastante precisión la características de la población general.
Las fórmulas para el error de muestreo promedio para el remuestreo aleatorio son las siguientes. Para el valor medio de una característica cuantitativa: la varianza general se expresa a través de la varianza selectiva mediante la siguiente relación:
donde S 2 es el valor de dispersión.
Muestreo mecánico– se trata de la selección de unidades en una población de muestra de la población general, que se divide según un criterio neutral en grupos iguales; Se lleva a cabo de tal manera que de cada grupo se selecciona solo una unidad para la muestra.
En el muestreo mecánico, las unidades de la población estadística que se estudia se organizan preliminarmente en un orden determinado, después de lo cual se selecciona mecánicamente un número determinado de unidades en un intervalo determinado. En este caso, el tamaño del intervalo en la población es igual al valor inverso de la proporción muestral.
Con una población suficientemente grande, la selección mecánica es cercana a la autoaleatoria en términos de precisión de los resultados. Por lo tanto, para determinar el error promedio del muestreo mecánico, se utilizan fórmulas para el muestreo autoaleatorio no repetitivo.
Para seleccionar unidades de una población heterogénea se utiliza la denominada muestra típica; se utiliza cuando todas las unidades de la población general se pueden dividir en varios grupos similares cualitativamente homogéneos según las características de las que dependen los indicadores en estudio.
Luego, de cada grupo típico, se lleva a cabo una selección individual de unidades en la población de muestra utilizando una muestra puramente aleatoria o mecánica.
El muestreo de muestras se utiliza generalmente cuando se estudian poblaciones estadísticas complejas.
El muestreo típico proporciona resultados más precisos. La tipificación de la población general asegura la representatividad de dicha muestra, la representación de cada grupo tipológico en ella, lo que permite excluir la influencia de la dispersión intergrupal en el error de muestreo promedio. Por lo tanto, al determinar el error promedio de una muestra típica, el promedio de las varianzas dentro del grupo actúa como un indicador de variación.
El muestreo en serie implica la selección aleatoria de una población general de grupos iguales para someter a observación a todas las unidades de dichos grupos sin excepción.
Dado que dentro de los grupos (series) se examinan todas las unidades sin excepción, el error de muestreo promedio (al seleccionar series iguales) depende únicamente de la dispersión entre grupos (entre series).
4. Métodos para difundir los resultados de las muestras a la población general.
Las características de la población basadas en los resultados de la muestra son el objetivo final de la observación de la muestra.
El método de muestreo se utiliza para obtener características de la población de acuerdo con ciertos indicadores de muestra. Dependiendo de los propósitos del estudio, esto se hace recálculo directo de indicadores muestrales para la población general o calculando factores de corrección.
El método de recálculo directo es que con él los indicadores de la muestra comparten w o promedio X se aplican a la población general, teniendo en cuenta el error de muestreo.
El método de factores de corrección se utiliza cuando el propósito del método de muestreo es aclarar los resultados de la contabilidad continua. Este método Se utiliza para aclarar los datos de los censos ganaderos anuales entre la población.
En estadística, existen dos métodos de investigación principales: continuo y selectivo. Al realizar un estudio de muestra, es obligatorio cumplir con los siguientes requisitos: representatividad de la población de muestra y un número suficiente de unidades de observación. Al seleccionar unidades de observación, es posible Errores de compensación, es decir, tales eventos cuya ocurrencia no se puede predecir con precisión. Estos errores son objetivos y naturales. Al determinar el grado de exactitud de un estudio de muestreo, se estima la cantidad de error que puede ocurrir durante el proceso de muestreo: Error de representatividad aleatorio (METRO) — Es la diferencia real entre los valores promedio o relativos obtenidos durante un estudio de muestra y valores similares que se obtendrían durante un estudio sobre la población general.
Evaluar la confiabilidad de los resultados de la investigación implica determinar:
1. errores de representatividad
2. límites de confianza de los valores promedio (o relativos) en la población
3. confiabilidad de la diferencia entre valores promedio (o relativos) (según el criterio t)
Cálculo del error de representatividad(mm) valor medio aritmético (M):
Donde σ es la desviación estándar; n: tamaño de muestra (>30).
Cálculo del valor relativo del error de representatividad (mР) (Р):
Donde P es el valor relativo correspondiente (calculado, por ejemplo, en%);
Q =100 - Ρ% - el recíproco de P; n—tamaño de la muestra (n>30)
En el trabajo clínico y experimental, a menudo es necesario utilizar Pequeña muestra Cuando el número de observaciones es menor o igual a 30. Con una muestra pequeña para calcular errores de representatividad, tanto valores medios como relativos. , El número de observaciones disminuye en uno, es decir
; .
La magnitud del error de representatividad depende del tamaño de la muestra: que numero mayor observaciones, menor será el error. Para evaluar la confiabilidad de un indicador muestral se adopta el siguiente enfoque: el indicador (o valor promedio) debe ser 3 veces mayor que su error, en cuyo caso se considera confiable.
Conocer la magnitud del error no es suficiente para tener confianza en los resultados de un estudio de muestra, ya que un error específico en un estudio de muestra puede ser significativamente mayor (o menor) que el error de representatividad promedio. Para determinar la precisión con la que un investigador quiere obtener un resultado, la estadística utiliza un concepto como la probabilidad de un pronóstico sin errores, que es una característica de la confiabilidad de los resultados de los estudios estadísticos biomédicos selectivos. Normalmente, cuando se realizan estudios estadísticos biomédicos, la probabilidad de un pronóstico sin errores es del 95% o 99%. En los casos más críticos, cuando es necesario sacar conclusiones especialmente importantes en términos teóricos o prácticos, se utiliza la probabilidad de un pronóstico sin errores del 99,7%.
Un cierto valor corresponde a un cierto grado de probabilidad de un pronóstico libre de errores Error marginal del muestreo aleatorio (Δ -delta), que está determinado por la fórmula:
Δ=t * m, donde t es un coeficiente de confianza que, con una muestra grande y una probabilidad del 95% de un pronóstico sin errores, es igual a 2,6; con una probabilidad de realizar un pronóstico sin errores del 99% - 3,0; con una probabilidad de pronóstico sin errores de 99,7% - 3,3, y con una muestra pequeña se determina utilizando una tabla especial de valores t de Student.
Usando error marginal muestras (Δ), se pueden determinar Límites de confianza, que contienen, con una cierta probabilidad de un pronóstico libre de errores, valor real valor estadístico , Caracterizar a toda la población (media o relativa).
Para determinar los límites de confianza se utilizan las siguientes fórmulas:
1) para valores medios:
Donde Mgen son los límites de confianza del valor promedio en la población;
Muestra - valor medio , Obtenido durante un estudio sobre una muestra de población; t es un coeficiente de confianza, cuyo valor está determinado por el grado de probabilidad de un pronóstico libre de errores con el que el investigador quiere obtener el resultado; mM es el error de representatividad del valor medio.
2) para valores relativos:
Donde Pgen son los límites de confianza del valor relativo en la población; Rsb es un valor relativo obtenido al realizar un estudio en una población de muestra; t—coeficiente de confianza; mP es el error de representatividad del valor relativo.
Los límites de confianza muestran los límites dentro de los cuales el tamaño de la muestra puede fluctuar dependiendo de razones aleatorias.
Con un pequeño número de observaciones (n<30), для вычисления доверительных границ значение коэффициента t находят по специальной таблице Стьюдента. Значения t расположены в таблице на пересечении с избранной вероятностью безошибочного прогноза и строки, Indicando el número disponible de grados de libertad (n) , Que es igual a n-1.
Muestra o población de muestra- un conjunto de casos (sujetos, objetos, eventos, muestras), mediante un determinado procedimiento, seleccionados de la población general para participar en el estudio.
Características de la muestra:
§ Características cualitativas de la muestra: a quién elegimos exactamente y qué métodos de muestreo utilizamos para ello.
§ Características cuantitativas de la muestra: cuántos casos seleccionamos, en otras palabras, tamaño de la muestra.
Necesidad de muestreo
§ El objeto de la investigación es muy extenso. Por ejemplo, los consumidores de los productos de una empresa global están representados por una gran cantidad de mercados geográficamente dispersos.
§ Es necesario recopilar información primaria.
Tamaño de la muestra
Tamaño de la muestra- el número de casos incluidos en la población de muestra. Por motivos estadísticos, se recomienda que el número de casos sea al menos de 30 a 35.
Muestras dependientes e independientes.
Al comparar dos (o más) muestras, un parámetro importante es su dependencia. Si se puede establecer un par homomórfico (es decir, cuando un caso de la muestra X corresponde a uno y sólo un caso de la muestra Y y viceversa) para cada caso en dos muestras (y esta base de relación es importante para el rasgo que se mide en las muestras), dichas muestras se denominan dependiente. Ejemplos de muestras dependientes:
§ pares de gemelos,
§ dos mediciones de cualquier característica antes y después de la influencia experimental,
§ maridos y esposas
Si no existe tal relación entre muestras, entonces estas muestras se consideran independiente, Por ejemplo:
§ hombres y mujeres,
§ psicólogos y matemáticos.
En consecuencia, las muestras dependientes siempre tienen el mismo tamaño, mientras que el tamaño de las muestras independientes puede diferir.
La comparación de muestras se realiza utilizando varios criterios estadísticos:
§ Prueba t de Student
§ Prueba de Wilcoxon
§ Prueba U de Mann-Whitney
§ Criterio de signo
Representatividad
La muestra podrá considerarse representativa o no representativa.
Ejemplo de muestra no representativa
En Estados Unidos, uno de los ejemplos históricos más famosos de muestreo no representativo ocurre durante las elecciones presidenciales de 1936. El Literary Digest, que había predicho con éxito los acontecimientos de varias elecciones anteriores, se equivocó en sus predicciones cuando envió diez millones de papeletas de prueba a sus suscriptores, así como a personas seleccionadas de las guías telefónicas nacionales y de las listas de matrículas de automóviles. En el 25% de las papeletas devueltas (casi 2,5 millones), los votos se distribuyeron de la siguiente manera:
§ 57% prefirió al candidato republicano Alf Landon
§ 40% eligió al entonces presidente demócrata Franklin Roosevelt
En las elecciones actuales, como se sabe, ganó Roosevelt, obteniendo más del 60% de los votos. El error del Literary Digest fue este: queriendo aumentar la representatividad de la muestra -ya que sabían que la mayoría de sus suscriptores se consideraban republicanos- ampliaron la muestra para incluir personas seleccionadas de guías telefónicas y listas de registro. Sin embargo, no tuvieron en cuenta las realidades de su época y, de hecho, reclutaron aún más republicanos: durante la Gran Depresión, eran principalmente representantes de la clase media y alta quienes podían permitirse el lujo de poseer teléfonos y automóviles (es decir, la mayoría de los republicanos , no demócratas).
Tipos de plan para construir grupos a partir de muestras.
Existen varios tipos principales de planes de construcción grupal:
1. Un estudio con grupos experimentales y de control, que se colocan en diferentes condiciones.
§ Investigación con grupos experimentales y de control utilizando una estrategia de selección por pares.
2. Investigación utilizando un solo grupo: experimental.
3. Investigación que utiliza un diseño mixto (factorial): todos los grupos se colocan en diferentes condiciones.
]Tipos de muestreo
Las muestras se dividen en dos tipos:
§ probabilístico
§ no probabilístico
Muestras de probabilidad
1. Muestreo probabilístico simple:
§ Remuestreo simple. El uso de dicha muestra se basa en el supuesto de que cada encuestado tiene la misma probabilidad de ser incluido en la muestra. A partir de la lista de la población general, se elaboran tarjetas con el número de encuestados. Se colocan en una baraja, se barajan y se saca una carta al azar, se anota el número y luego se devuelve. A continuación, se repite el procedimiento tantas veces como tamaño de muestra necesitemos. Desventaja: repetición de unidades de selección.
El procedimiento para construir una muestra aleatoria simple incluye los siguientes pasos:
1. Es necesario obtener una lista completa de los miembros de la población y numerar esta lista. Recordemos que esta lista se denomina marco muestral;
2. determinar el tamaño de muestra esperado, es decir, el número esperado de encuestados;
3. extraer tantos números de la tabla de números aleatorios como unidades de muestra necesitemos. Si la muestra tiene 100 personas, se toman 100 números aleatorios de la tabla. Estos números aleatorios pueden ser generados por un programa de computadora.
4. seleccione de la lista base aquellas observaciones cuyos números correspondan a los números aleatorios escritos
§ El muestreo aleatorio simple tiene ventajas obvias. Este método es extremadamente fácil de entender. Los resultados del estudio se pueden generalizar a la población que se estudia. La mayoría de los enfoques de inferencia estadística implican recopilar información utilizando una muestra aleatoria simple. Sin embargo, el método de muestreo aleatorio simple tiene al menos cuatro limitaciones importantes:
1. A menudo resulta difícil crear un marco muestral que permita un muestreo aleatorio simple.
2. El muestreo aleatorio simple puede dar como resultado una población grande, o una población distribuida en un área geográfica grande, lo que aumenta significativamente el tiempo y el costo de la recopilación de datos.
3. Los resultados del muestreo aleatorio simple a menudo se caracterizan por una baja precisión y un error estándar mayor que los resultados de otros métodos de probabilidad.
4. Como resultado del uso de SRS, se puede formar una muestra no representativa. Aunque las muestras obtenidas mediante muestreo aleatorio simple, en promedio, representan adecuadamente a la población, algunas de ellas son extremadamente tergiversadas de la población que se estudia. Esto es especialmente probable cuando el tamaño de la muestra es pequeño.
§ Muestreo simple no repetitivo. El procedimiento de muestreo es el mismo, sólo que las cartas con los números de los encuestados no se devuelven a la baraja.
1. Muestreo probabilístico sistemático. Es una versión simplificada del muestreo probabilístico simple. Con base en la lista de la población general, los encuestados se seleccionan en un intervalo determinado (K). El valor de K se determina aleatoriamente. El resultado más confiable se logra con una población homogénea; de lo contrario, el tamaño del paso y algunos patrones cíclicos internos de la muestra pueden coincidir (mezcla de muestreo). Desventajas: las mismas que en una muestra probabilística simple.
2. Muestreo en serie (en conglomerados). Las unidades de selección son series estadísticas (familia, escuela, equipo, etc.). Los elementos seleccionados se someten a un examen completo. La selección de unidades estadísticas puede organizarse como muestreo aleatorio o sistemático. Desventaja: Posibilidad de mayor homogeneidad que en la población general.
3. Muestreo regional. En el caso de una población heterogénea, antes de utilizar el muestreo probabilístico con cualquier técnica de selección, se recomienda dividir la población en partes homogéneas, dicha muestra se denomina muestreo distrital. Los grupos de zonificación pueden incluir tanto formaciones naturales (por ejemplo, distritos urbanos) como cualquier característica que forme la base del estudio. La característica a partir de la cual se realiza la división se denomina característica de estratificación y zonificación.
4. Muestra "conveniente". El procedimiento de muestreo por conveniencia implica contactar unidades de muestreo convenientes: un grupo de estudiantes, un equipo deportivo, amigos y vecinos. Si desea obtener información sobre las reacciones de la gente ante un nuevo concepto, este tipo de muestreo es bastante razonable. El muestreo por conveniencia se utiliza a menudo para probar previamente los cuestionarios.
Muestras no probabilísticas
La selección en dicha muestra no se lleva a cabo según los principios de aleatoriedad, sino según criterios subjetivos: disponibilidad, tipicidad, representación equitativa, etc.
1. Muestra por cuotas: la muestra se construye como un modelo que reproduce la estructura de la población general en forma de cuotas (proporciones) de las características en estudio. El número de elementos de la muestra con diferentes combinaciones de características estudiadas se determina de modo que corresponda a su participación (proporción) en la población general. Entonces, por ejemplo, si nuestra población general consta de 5.000 personas, de las cuales 2.000 son mujeres y 3.000 son hombres, entonces en la muestra de cuotas tendremos 20 mujeres y 30 hombres, o 200 mujeres y 300 hombres. Las muestras de cuotas suelen basarse en criterios demográficos: género, edad, región, ingresos, educación y otros. Desventajas: normalmente estas muestras no son representativas, porque es imposible tener en cuenta varios parámetros sociales a la vez. Ventajas: material fácilmente disponible.
2. Método de bola de nieve. La muestra se construye de la siguiente manera. A cada encuestado, empezando por el primero, se le pide información de contacto de sus amigos, colegas y conocidos que cumplirían las condiciones de selección y podrían participar en el estudio. Así, a excepción del primer paso, la muestra se forma con la participación de los propios objetos de investigación. El método se utiliza a menudo cuando es necesario encontrar y entrevistar a grupos de encuestados de difícil acceso (por ejemplo, encuestados con altos ingresos, encuestados que pertenecen al mismo grupo profesional, encuestados con pasatiempos/intereses similares, etc.)
3. Muestreo espontáneo: muestreo de la llamada “primera persona con la que te cruzas”. A menudo se utiliza en encuestas de radio y televisión. El tamaño y la composición de las muestras espontáneas no se conocen de antemano y están determinados únicamente por un parámetro: la actividad de los encuestados. Desventajas: es imposible establecer a qué población representan los encuestados y, como resultado, es imposible determinar la representatividad.
4. Encuesta de ruta: se utiliza a menudo si la unidad de estudio es la familia. En el mapa de la localidad en la que se realizará la encuesta, todas las calles están numeradas. Utilizando una tabla (generador) de números aleatorios, se seleccionan números grandes. Se considera que cada número grande consta de 3 componentes: número de calle (2-3 primeros números), número de casa y número de apartamento. Por ejemplo, el número 14832: 14 es el número de la calle en el mapa, 8 es el número de la casa, 32 es el número del apartamento.
5. Muestreo regional con selección de objetos típicos. Si, después de la zonificación, se selecciona un objeto típico de cada grupo, es decir un objeto que se acerca al promedio en términos de la mayoría de las características estudiadas en el estudio, dicha muestra se denomina regionalizada con la selección de objetos típicos.
6.Muestreo modal. 7.muestreo experto. 8. Muestra heterogénea.
Estrategias de formación de grupos
La selección de grupos para participar en un experimento psicológico se lleva a cabo utilizando diversas estrategias para garantizar que la validez interna y externa se mantenga en la mayor medida posible.
§ Aleatorización (selección aleatoria)
§ Selección por pares
§ Selección estratométrica
§ Modelado aproximado
§ Atraer grupos reales
Aleatorización
Aleatorización, o Selección aleatoria, se utiliza para crear muestras aleatorias simples. El uso de dicha muestra se basa en el supuesto de que cada miembro de la población tiene la misma probabilidad de ser incluido en la muestra. Por ejemplo, para hacer una muestra aleatoria de 100 estudiantes universitarios, puedes poner hojas de papel con los nombres de todos los estudiantes universitarios en un sombrero y luego sacar 100 hojas de papel; esta será una selección aleatoria (Goodwin J. ., pág. 147).
Selección por pares
Selección por pares- una estrategia para construir grupos de muestreo, en los que los grupos de sujetos están formados por sujetos equivalentes en términos de parámetros secundarios que son significativos para el experimento. Esta estrategia es eficaz para experimentos que utilizan grupos experimentales y de control, siendo la mejor opción la participación de parejas de gemelos (mono y dicigóticos), ya que permite crear...
Muestreo estratométrico
Muestreo estratométrico- aleatorización con asignación de estratos (o conglomerados). Con este método de muestreo se divide la población general en grupos (estratos) con determinadas características (género, edad, preferencias políticas, educación, nivel de ingresos, etc.), y se seleccionan sujetos con las características correspondientes.
Modelado aproximado
Modelado aproximado- extraer muestras limitadas y generalizar conclusiones sobre esta muestra a la población en general. Por ejemplo, con la participación de estudiantes universitarios de 2º año en el estudio, los datos de este estudio aplican para “personas de 17 a 21 años”. La admisibilidad de tales generalizaciones es extremadamente limitada.
El modelado aproximado es la formación de un modelo que, para una clase de sistemas (procesos) claramente definida, describe su comportamiento (o fenómenos deseados) con una precisión aceptable.
Uno de los componentes principales de un estudio bien diseñado es definir la muestra y qué es una muestra representativa. Es como el ejemplo del pastel. Después de todo, ¿no es necesario comerse todo el postre para comprender su sabor? Una pequeña parte es suficiente.
Entonces el pastel es población (es decir, todos los encuestados que son elegibles para la encuesta). Puede expresarse geográficamente, por ejemplo, solo por los residentes de la región de Moscú. Género: solo mujeres. O tener restricciones de edad: rusos mayores de 65 años.
Calcular la población es difícil: es necesario disponer de datos del censo de población o de encuestas de evaluación preliminar. Por lo tanto, normalmente se “estima” la población general y a partir del número resultante se calcula población de muestra o muestra.
¿Qué es una muestra representativa?
Muestra– se trata de un número claramente definido de encuestados. Su estructura debe coincidir lo más posible con la estructura de la población general en cuanto a las principales características de selección.
Por ejemplo, si los encuestados potenciales son toda la población de Rusia, donde el 54% son mujeres y el 46% son hombres, entonces la muestra debe contener exactamente el mismo porcentaje. Si los parámetros coinciden, entonces la muestra puede considerarse representativa. Esto significa que las imprecisiones y errores en el estudio se reducen al mínimo.
El tamaño de la muestra se determina teniendo en cuenta los requisitos de precisión y economía. Estos requisitos son inversamente proporcionales entre sí: cuanto mayor sea el tamaño de la muestra, más preciso será el resultado. Además, cuanto mayor sea la precisión, mayores serán los costes necesarios para realizar el estudio. Y viceversa, cuanto más pequeña es la muestra, menos cuesta y con menos precisión y más aleatoriamente se reproducen las propiedades de la población general.
Por lo tanto, para calcular el volumen de elección, los sociólogos inventaron una fórmula y crearon calculadora especial:
probabilidad de confianza Y error de confianza
¿Qué significan los términos " probabilidad de confianza" Y " error de confianza"? La probabilidad de confianza es un indicador de la precisión de la medición. Y el error de confianza es un posible error en los resultados de la investigación. Por ejemplo, con una población de más de 500.000 personas (digamos que viven en Novokuznetsk), la muestra será de 384 personas con una probabilidad de confianza del 95% y un error del 5% O (con un intervalo de confianza de 95±5 %).
¿Qué se sigue de esto? Al realizar 100 estudios con una muestra de este tipo (384 personas), en el 95 por ciento de los casos las respuestas obtenidas, según las leyes de la estadística, estarán dentro del ±5% de la original. Y obtendremos una muestra representativa con una mínima probabilidad de error estadístico.
Una vez calculado el tamaño de la muestra, puede ver si hay un número suficiente de encuestados en la versión de demostración del Panel de cuestionarios. Puede obtener más información sobre cómo realizar una encuesta de panel.