muestreo aleatorio estratificado: definición
el muestreo aleatorio estratificado es un tipo de muestreo probabilístico mediante el cual una organización de investigación puede ramificar toda la población en múltiples grupos homogéneos (estratos) no superpuestos y elegir aleatoriamente los miembros finales de los diversos estratos para la investigación, lo que reduce el costo y mejora la eficiencia. Los miembros de cada uno de estos grupos deben ser distintos para que cada miembro de todos los grupos tenga la misma oportunidad de ser seleccionado usando probabilidad simple., Este método de muestreo también se denomina «muestreo aleatorio de cuotas».
seleccione a sus encuestados
La Edad, las divisiones socioeconómicas, la nacionalidad, la religión, los logros educativos y otras clasificaciones similares caen bajo el muestreo aleatorio estratificado.
consideremos una situación en la que un equipo de investigación está buscando opiniones sobre la religión entre varios grupos de edad. En lugar de recopilar comentarios de 326,044,985 ciudadanos estadounidenses, se pueden seleccionar muestras aleatorias de alrededor de 10000 para la investigación. Estos 10000 ciudadanos se pueden dividir en estratos de acuerdo a la edad,i.,e, grupos de 18 a 29, 30 a 39, 40 a 49, 50 a 59 y 60 y superiores. Cada estrato tendrá miembros distintos y número de miembros.
Más información: segmentación demográfica
8 Pasos para seleccionar una muestra aleatoria estratificada:
- Definir el público objetivo.
- Reconocer la variable o variables de estratificación y calcular el número de estratos a utilizar. Estas variables de estratificación deben estar en línea con el objetivo de la investigación. Cada información adicional decide las variables de estratificación., Por ejemplo, si el objetivo de la investigación es comprender todos los subgrupos, las variables estarán relacionadas con los subgrupos y toda la información relativa a estos subgrupos impactará en las variables. Idealmente, no se deben usar más de 4-6 variables de estratificación y no más de 6 estratos en una muestra porque un aumento en las variables de estratificación aumentará las posibilidades de que algunas variables cancelen el impacto de otras variables.,
- utilice un marco de muestreo ya existente o cree un marco que incluya toda la información de la variable de estratificación para todos los elementos del público objetivo.
- Hacer cambios después de evaluar el marco de muestreo sobre la base de la falta de cobertura, sobre-cobertura o agrupación.
- Teniendo en cuenta toda la población, cada estrato debe ser único y debe abarcar a todos y cada uno de los miembros de la población. Dentro del estrato, las diferencias deben ser mínimas, mientras que cada estrato debe ser extremadamente diferente entre sí., Cada elemento de la población debe pertenecer a un solo estrato.
- asigne un número aleatorio y único a cada elemento.
- Calcule el tamaño de cada estrato según su requisito. La distribución numérica entre todos los elementos en todos los estratos determinará el tipo de muestreo a implementar. Puede ser un muestreo estratificado proporcional o desproporcionado.
- El investigador puede entonces seleccionar elementos aleatorios de cada estrato para formar la muestra., Se debe elegir un elemento mínimo de cada estrato para que haya representación de cada estrato, pero si se seleccionan dos elementos de cada estrato, para calcular fácilmente los márgenes de error del cálculo de los datos recopilados.
Más información: muestreo aleatorio simple
tipos de muestreo aleatorio estratificado:
-
muestreo aleatorio estratificado proporcional:
en este enfoque, el tamaño de la muestra de cada estrato es directamente proporcional al tamaño de la población de toda la población de estratos. Eso significa que cada muestra de estratos tiene la misma fracción de muestreo.,
fórmula de muestreo aleatorio estratificado proporcional: nh = ( Nh / N ) * n
nh= Tamaño de la muestra para el estrato hth
Nh= Tamaño de la población para el estrato hth
N = Tamaño de toda la población
n = Tamaño de toda la muestra
Si tiene 4 estratos con 500, 1000, 1500, 2000 como fracción de muestreo. Un investigador tiene que seleccionar 250, 500, 750, 1000 miembros del estrato respectivo.,
| Stratum | A | B | C | D |
| Population Size | 500 | 1000 | 1500 | 2000 |
| Sampling Fraction | 1/2 | 1/2 | 1/2 | 1/2 |
| Final Sampling Size Results | 250 | 500 | 750 | 1000 |
Irrespective of the sample size of the population, the sampling fraction will remain uniform across all the strata.,
Más información: muestreo sistemático
-
muestreo aleatorio estratificado desproporcionado:
la fracción de muestreo es el principal factor diferenciador entre el muestreo aleatorio estratificado proporcional y desproporcionado. En el muestreo desproporcionado, cada estrato tendrá una fracción de muestreo diferente.
el éxito de este método de muestreo depende de la precisión del investigador en la asignación de fracciones. Si las fracciones asignadas no son precisas, los resultados pueden estar sesgados debido a los estratos sobrerrepresentados o subrepresentados.,td>Stratum
Learn more: Cluster Sampling
Stratified Random Sampling Examples:
Researchers and statisticians use stratified random sampling to analyze relationships between two or more strata., Como el muestreo aleatorio estratificado involucra múltiples capas o estratos, es crucial calcular los estratos antes de calcular el valor de la muestra.
Más información: Quantitative Market Research
a continuación se muestra un ejemplo clásico de muestreo aleatorio estratificado:
digamos que a 100 (Nh) estudiantes de una escuela que tiene 1000 (N) ESTUDIANTES se les hicieron preguntas sobre su tema favorito. Es un hecho que los estudiantes de 8º grado tienen diferentes preferencias de los estudiantes del 9º grado., Para que la encuesta entregue resultados precisos, la manera ideal es dividir cada grado en varios estratos.,
calcule la muestra de cada grado utilizando la fórmula de muestreo aleatorio estratificado:
más información: muestreo por conveniencia
ventajas del muestreo aleatorio estratificado:
- mejor precisión en los resultados en comparación con otros métodos de muestreo probabilístico como el muestreo por conglomerados, el muestreo aleatorio simple y el muestreo sistemático o los métodos no probabilísticos como el muestreo por conveniencia., Esta precisión dependerá de la distinción de varios estratos, es decir, los resultados serán altamente precisos si todos los estratos son extremadamente diferentes.
- conveniente para entrenar a un equipo para estratificar una muestra debido a la exactitud de la naturaleza de esta técnica de muestreo.
- debido a la precisión estadística de este método, los tamaños de muestra más pequeños también pueden recuperar resultados muy útiles para un investigador.
- esta técnica de muestreo cubre la población máxima ya que los investigadores tienen carga completa sobre la división de estratos.,
Más información: muestreo por conglomerados vs muestreo estratificado
¿cuándo usar el muestreo aleatorio estratificado?
-
- El muestreo aleatorio estratificado es un método de muestreo extremadamente productivo en situaciones en las que el investigador pretende enfocarse solo en estratos específicos a partir de los datos de población disponibles. De esta manera, las características deseadas de los estratos se pueden encontrar en la muestra de la encuesta.
- Los investigadores se basan en este método de muestreo en los casos en que pretenden establecer una relación entre dos o más estratos diferentes., Si esta comparación se lleva a cabo utilizando un muestreo aleatorio simple, hay una mayor probabilidad de que los grupos objetivo no estén igualmente representados.
- Las muestras con una población de difícil acceso o contacto, pueden ser fácilmente involucradas en el proceso de investigación utilizando la técnica de muestreo aleatorio estratificado.
- La precisión de los resultados estadísticos es mayor que el muestreo aleatorio simple ya que los elementos de la muestra y elegidos de estratos relevantes. La diversificación dentro de los estratos será mucho menor que la diversificación que existe en la población objetivo., Debido a la precisión involucrada, es muy probable que el tamaño de muestra requerido sea mucho menor y eso ayudará a los investigadores a ahorrar tiempo y esfuerzos.
Deja una respuesta