Muestreo Probabilístico y No Probabilístico

UNIVERSIDAD MILITAR NUEVA GRANADA

PROBABILIDAD Y ESTADISTICA

MUESTREO PROBABILÍSTICO Y NO PROBABILÍSTICO Camilo Roncancio Camargo Juliana Katerine Lagos Merchán

1802363 1802327

INTRODUCCION En ocasiones para conocer las caractersticas caractersticas espec!icas espec!icas "e una po#laci$n no es posi#le o con%eniente reali&ar un censo 'ue arro(e los "atos "e ca"a uno "e los in"i%i"uos "e esta) por lo cual se selecciona una muestra 'ue se espera pue"a ser representati%a "e la po#laci$n* +or lo cual el muestreo es una herramienta "e la in%estigaci$n 'ue #usca escoger el tipo a"ecua"o "e muestra so#re la cual se pue"e hacer alg,n tipo "e in!erencia so#re la po#laci$n* +ara escoger el tipo "e muestra 'ue se re'uiere e-iste 2 tipos "e muestreo) pro# pro#a# a#il ils sti tico co . / pro# pro#a# a#il ils sti tico cos s "i!e "i!ere renc ncia ia"o "os s en gran gran part parte e por por las las como"i"a"es . representaci$n 'ue o!recen tanto para el in%estiga"or como para la po#laci$n)

MUESTREO PROBABILISTICO Los mto"os "e muestreo pro#a#ilstico son los 'ue se #asan en el principio "e e'uipro#a#ili"a") es "ecir) to"os los elementos "e la po#laci$n tienen la misma pro#a#ili"a" "e !ormar parte "e la muestra es el ,nico camino para o#tener una muestra representati%a 'ue nos permite conocer los parámetros "e una po#laci$n es el tipo "e muestreo más usa"o en las in%estigaciones "e#i"o a 'ue es el 'ue asegura más la representati%i"a" "e la muestra selecciona"a*es com,nmente usa"o en in%estigaciones cuantitati%as .a 'ue el o#(eti%o es po"er generali&ar los aplica"os a la muestra e-tra"a "e la po#laci$n* entro "e este mto"o "e muestro se encuentran los siguientes tipos4 1. Muest Muestre reo o alea aleator torio io simp simple le Es el prototipo "e muestreo pro#a#ilstico en el cual se lle%an a ca#o las !ormulas #ásicas "el error muestral . el tama5o muestral*  ca"a uni"a" "el marco muestral se le asigna un n,mero . se les elige "e !orma aleatoria hasta completar la muestra* El "esarrollo "e este tipo "e muestro sigue los pasos4 •

signar un n,mero n,mero a ca"a elemento "e la po#laci$n po#laci$n


PROBABILIDAD Y ESTADISTICA •

acien"o uso "e alg,n me"io mecánico ta#las "e n,meros aleatorios o un programa 'ue genera n,meros aleatorios) entre otros9 se escogen los su(etos necesarios para completar el tama5o "e muestra re'ueri"o*

Este proceso no es práctico cuan"o se tra#a(a con po#laciones gran"es "e#i"o a 'ue necesita un marco muestral o el lista"o "e las uni"a"es "e la muestra*

2. Muestreo aleatorio sistemático Es una "eri%aci$n "el muestreo aleatorio simple "on"e los elementos se eligen seg,n un patr$n 'ue inicia con una elecci$n aleatoria* :e calcula el coe!iciente "e ele%aci$n ;9) 'ue se o#tiene "e la "i%isi$n "el tama5o "el uni%erso /9 por el tama5o "e la muestra n94 ;n elemento po#lacional no po"rá aparecer más "e una %e& en la muestra* 3* Muestreo aleatorio estratificado ?recuentemente usa"o cuan"o se 'uiere estu"iar una serie "e su#po#laciones estratos9 en la po#laci$n* La i"ea es pro"ucir grupos heterogneos entre estratos respecto "e la %aria#le "e estu"io) pero homogneos "entro "e ca"a grupo) a esto se le "enomina estrati!icaci$n* :e pue"e estrati!icar) por e(emplo) seg,n la pro!esi$n) el municipio "e resi"encia) el se-o) e"a") esta"o ci%il) etc* Lo 'ue se preten"e con este tipo "e muestreo es asegurar 'ue to"os los estratos están representa"os a"ecua"amente en la muestra* La "istri#uci$n "e la muestra en !unci$n "e los "i!erentes estratos o su#po#laciones se "enomina !i(aci$n) los cuales pue"en ser4 •

•

•

Afijación simple: a ca"a estrato le correspon"e igual n,mero "e elementos muestrales* ?a%orece a los estratos pe'ue5os . per(u"ica a los gran"es* Afijación proporcional: la "istri#uci$n se hace en proporci$n al tama5o "e la po#laci$n "e ca"a estrato* Afijación óptima: se tiene en cuenta la pre%isi#le "e los resulta"os) "e mo"o 'ue se consi"era la proporci$n . la "es%iaci$n tpica* @iene poca aplicaci$n .a 'ue no se suele conocer la "es%iaci$n*



Afijación Neyman: cuan"o el reparto "el tama5o "e la muestra se hace proporcional al %alor "e la "ispersi$n en los estratos* Es tam#in llama"o "e mnima %arian&a* 4. Muestreo aleatorio por conglomerados •

La uni"a" muestral .a no son los in"i%i"uos) sino un con(unto "e in"i%i"uos 'ue #a(o "etermina"os aspectos) se consi"era 'ue !orman una uni"a"* l contrario "el estrati!ica"o) este #usca heterogenei"a" "entro "e los estratos . homogenei"a" entre estratos* :e consi"era 'ue ca"a conglomera"o es una representaci$n "el uni%erso*

E(emplo4 :e está in%estigan"o so#re el porcenta(e pro.ectos "e los estu"iantes "e ingeniera Mecatronica 'ue han utili&a"o la tar(eta ar"uino como programa"or en lugar "el +AC* 1 2 3 F G 6 7 8 H 10 11 12

/MBRE n"rs Camila Michael :e#astián Juliana Mauricio @atiana Ricar"o Laura Cristian Camilo :ergio

+REC@ Mu!la +anel "e le"s Bra&o ro#$tico Control ser%omotor @ornillo "e r'ume"es Má'uina "e ensa.os Ampresora celer$metro >+: Em#o#ina"ora Bola . %iga Ban"a transporta"ora

+RDRMR r"uino +AC +AC +AC r"uino +AC r"uino +AC r"uino r"uino r"uino +AC

1* Elegir una muestra aleatoria "e n


e#i"o a 'ue .a tiene asigna"o un n,mero los elementos) con a.u"a "e la ta#la se escogen G n,mero "el 1 al 12 sin repetir* Los n,meros selecciona"os son4 10) F) 8) 11)1 +or lo tanto la muestra está con!orma"a por4 • • • • •

Cristian 'ue reali&o como pro.ecto la em#o#ina"ora con ar"uino :e#astián 'ue reali&o como pro.ecto el control "el ser%omotor con +AC Ricar"o 'ue reali&o como pro.ecto el aceler$metro con +AC Camilo 'ue reali&o como pro.ecto #ola . %iga con ar"uino n"rs 'ue reali&o como pro.ecto la mu!la con ar"uino

2* Elegir una muestra estrati!ica"a "e n<6 "e la po#laci$n) usan"o la ta#la "e n,meros aleatorios empe&an"o en la !ila 1 . columna 1 +ara elegir la muestra estrati!ica"a se "i%i"en los hom#res "e las mu(eres con su respecti%o pro.ecto . se asignan n,meros "e i"enti!icaci$n a ca"a estrato* Luego usan"o la ta#la "e n,meros aleatorios se selecciona una muestra n<3 en ca"a uno "e los estratos*



1 2 3 F

• • •

• •

+REC@ +anel "e le"s @ornillo "e r'ume"es Ampresora >+:

+RDRMR +AC r"uino r"uino r"uino

Los n,meros selecciona"os !ueron 1) F . 3 Camila 'ue reali&o como pro.ecto el panel "e le"s con +AC @atiana 'ue reali&o como pro.ecto la impresora con ar"uino Laura 'ue reali&o como pro.ecto la >+: con ar"uino

1 2 3 F G 6 7 8

•

/MBRE Camila Juliana @atiana Laura

/MBRE n"rs Michael :e#astián Mauricio Ricar"o Cristian Camilo :ergio

+REC@ Mu!la Bra&o ro#$tico Control ser%omotor Má'uina "e ensa.os celer$metro Em#o#ina"ora Bola . %iga Ban"a transporta"ora

+RDRMR r"uino +AC +AC +AC +AC r"uino r"uino +AC

Los n,meros selecciona"os !ueron 8) G) 1 :ergio 'ue reali&o como pro.ecto la #an"a transporta"ora con +AC Ricar"o 'ue reali&o como pro.ecto el aceler$metro con +AC n"rs 'ue reali&o como pro.ecto la mu!la con ar"uino

MUESTREO NO PROBABILISTICO Los mto"os "e muestreo no pro#a#ilstico son a'uellos 'ue se utili&an "e !orma emprica pues no se están "e!ini"os por ninguna norma "e!ini"a o %ali"a"a) "e manera 'ue "epen"e "e las opiniones . criterios "e los in%estiga"ores* /o se conoce la pro#a#ili"a" con la 'ue se pue"e seleccionar a ca"a elemento* Es utili&a"o en casos "on"e es mu. "i!cil o#tener una muestra por me"io "e un muestreo pro#a#ilstico* Estas muestras #uscan 'ue la ma.ora tenga cierta caracterstica representati%a) pero eso no in"ica 'ue representati%i"a"* l no estar #asa en la teora "e la pro#a#ili"a" no es posi#le calcular su e-actitu") "e#i"o a esto) si se 'uieren o#tener #ueno resulta"os el in%estiga"or "e#e tener un



conocimiento claro . preciso "e la po#laci$n 'ue 'uiere o#ser%ar . 'ue 'uiere o#ser%ar en ella*

@ipos "e muestreo no pro#a#ilstico4 1. Muestreo por conveniencia Consiste en seleccionar a los in"i%i"uos 'ue con%ienen al in%estiga"or para la muestra) .a sea por 'ue cumplen con los re'uisitos "e la po#laci$n 'ue son o#(eto "e estu"io o por la !acili"a" "e e-aminarlos* Ventajas: Es menos costoso) al in%estiga"or no le toma mucho tiempo recoger los "atos) es !ácil "e a"ministrar . asegura una alta tasa "e participaci$n* Desventajas; i!cil "e generali&ar a otros su(etos esto implica 'ue no es representati%a "e una po#laci$n espec!ica) los resulta"os "epen"en "e las caractersticas ,nicas "e la muestra . e-iste ma.or pro#a#ili"a" "e error "e#i"o al in%estigar o sesgos*

2. Muestreo por cuotas Consiste en "i%i"ir la po#laci$n 'ue es o#(eto "e estu"io en grupos "e manera e-hausti%a . mutuamente e-clusi%a) "e !ormar 'ue la "i%isi$n se pue"e %er como estratos* >na %e& "e!ini"o ca"a estrato cuota9) se proce"e a "e!inir su tama5o en proporci$n a alg,n "ato conoci"o) es "ecir se conoce una proporci$n en "icha po#laci$n se espera 'ue en la muestra esta proporci$n se %ea igualmente re!le(a"a* ?inalmente se #usca 'ue laca cuota sea llena"a con el n,mero "e participante 'ue se tienen como o#(eti%o . es en ese punto "on"e este mto"o se ale(a "e lo pro#a#ilstico pues la selecci$n no es aleatoria* Este mto"o es mu. utili&a"o en encuestas "e opini$n pues o!rece resulta"os ,tiles con #a(o costo siempre . cuan"o las %aria#les escogi"as para segmentar sean correctas* Los incon%enientes con este tipo "e muestreo se "an por'ue resulta imposi#le acotar el error 'ue se comete al usarlo . el riesgo "e omitir una cuota rele%ante en el estu"io*



3. Muestreo por bola de nieve Esta tcnica "e muestreo consiste en usar pocos miem#ros "e una po#laci$n a la cual es "i!cil acce"er . 'ue estos mismos recluten nue%os participantes en el estu"io hasta tener una muestra su!icientemente gran"e) generan"o as una I#ola "e nie%e en el proceso* Este tipo "e muestreo se usa con po#laciones 'ue por lo general son marginales . el o#(eti%o es generar participaciones "entro "e una re" social comple(a . "e escaso acceso toman"o solo unos pocos in"i%i"uos 'ue tenga la !acili"a" "e traer "atos colecti%os* entro "el proceso se "e#e elegir con cui"a"o a los participantes iniciales para garanti&ar el -ito "el estu"io . la "i%ersi!icaci$n "e los "emás participantes* entro "e este muestreo se pue"en encontrar "os clases4

1. Muestreo linel4 Ca"a in"i%i"uo participante "e#e recomen"ar a otro in"i%i"uo) "e !orma 'ue la muestra crece a un ritmo lineal* !. Muestreo e"#onen$il4 Ca"a in"i%i"uo "e#e in%itar a participar a "os o más in"i%i"uos* e esta !orma) cuanta más gente participa en el estu"io) más gente se a5a"e al mismo* E(emplo4 :e 'uiere conocer cuál es el lengua(e "e programaci$n pre!eri"o entre C) C . ssem#ler por los estu"iantes "e Angeniera Mecatr$nica* 1* +ara este caso el muestreo por con%eniencia pue"e ser usa"o .a sea por como"i"a" "el in%estiga"or o por cercana con los participantes "e la muestra* e#i"o a esto se le pregunto a 10 compa5eros "e clase 'ue lengua(e usan* 1 2 3 F G 6 7 8 H 10

/MBRE n"rs Camila Michael :e#astián Juliana Mauricio @atiana Ricar"o Laura Cristian

LE/D>JE >: C C C C C C C ssem#ler C C



Este muestreo no es representati%o para to"os los estu"iantes "e ingeniera Mecatr$nica) pero se pue"e e-traer in!ormaci$n !ia#le para hacer alg,n tipo "e o#ser%aci$n tal como 'ue mu. pocos pre!ieren usar ssem#ler para programar* 2* +ara hacer "el este caso un muestreo por cuotas se "e#e poner como o#(eti%o una proporci$n "e más o menos cuantos usaran un lengua(e "e programaci$n para luego cu#rir las cuotas* 3* :i se preten"e tener un ma.or alcance . garanti&ar un estu"io más representati%o) luego "e encuestar a los 10 compa5eros "e clase se les pi"e 'ue estos pregunten a sus otros amigos en otros semestres .=o "emás clases para cu#rir un porcenta(e más gran"e en to"a la uni%ersi"a"*

CONCLUSIONES los mto"os pro#a#ilsticos generan más representaci$n en las po#laciones . se pue"e calcular los errores a "i!erencia "e los no pro#a#ilsticos a"emás "e 'ue ca"a elemento "e la muestra tiene la misma pro#a#ili"a" "e participar . es in"epen"iente "e las "emás*  "i!erencia "e los mto"os pro#a#ilsticos) las muestras no pro#a#ilsticas no son procesos "e selecci$n aleatorios* Los participantes en el estu"io generalmente son selecciona"os en !unci$n "e las como"i"a"es "el in%estiga"or .a sea por accesi#ili"a" o criterio personal* La ser "atos en los cuales las proporciones muchas %eces no son "e!ini"as) no se pue"e garanti&ar 'ue la in!ormaci$n o#teni"a sea representati%a "e to"a la po#laci$n por lo cual un in%estiga"or "e#e tener conocimientos claros "e 'ue se #usca en ca"a in"i%i"uo*

BABLADR?A •

•

• •

http4==personal*ua*es=es=!rancisco !rances=materiales=tema3=tipos"emuestreopro#a#ilstico*html http4==meto"ologia02*#logspot*com*co=p=tipos"emuestreo*html NNN*esta"istica*mat*uson*m-=Material=el %uestreo*p"! http4==seminarios"ein%estigacion*com=muestreopro#a#ilistico=


PROBABILIDAD Y ESTADISTICA •

• • • • •

•

http4==to"oesta"istica*#logspot*com*co=200H=0G=muestreestrati!ica"o a!i(acion*html http4==NNN*net'uest*com=#log=es=muestreoporcuotas= http4==NNN*net'uest*com=#log=es=muestreo#olanie%e= http4==NNN*net'uest*com=#log=es=muestreoporcon%eniencia= http4==NNN*aca"emia*e"u=6HH78FG=M>E:@RE/+RBBALA:@AC http4==NNN*uni%erso!ormulas*com=esta"istica=in!erencia=muestreono pro#a#ilistico= https4==e-plora#le*com=es=muestreonopro#a#ilistico

Muestreo Probabilístico y No Probabilístico

Recommend Documents