Cuando realiza una investigación sobre un grupo de personas, rara vez es posible recopilar datos de todas las personas de ese grupo. En su lugar, selecciona una muestra. La muestra es el grupo de personas que realmente participarán en la investigación.
Para sacar conclusiones válidas de sus resultados, debe decidir cuidadosamente cómo seleccionará una muestra que sea representativa del grupo en su conjunto. Hay dos tipos de métodos de muestreo:
- El muestreo probabilístico implica una selección aleatoria, lo que le permite hacer inferencias estadísticas sobre todo el grupo.
- El muestreo no probabilístico implica una selección no aleatoria basada en la conveniencia u otros criterios, lo que le permite recopilar fácilmente los datos iniciales.
Se debe explicar claramente cómo seleccionó la muestra en la sección de metodología de un trabajo o tesis.
Métodos de muestreo probabilístico
El muestreo probabilístico significa que cada miembro de la población tiene la posibilidad de ser seleccionado. Se utiliza principalmente en investigación cuantitativa. Si se desea producir resultados que sean representativos de toda la población, se debe utilizar una técnica de muestreo probabilístico.
Hay cuatro tipos principales de muestra probabilística.
- Muestreo aleatorio simple
- Muestreo sistemático
- Muestreo estratificado
- Muestreo por conglomerados
1. Muestreo aleatorio simple
En una muestra aleatoria simple, cada miembro de la población tiene la misma probabilidad de ser seleccionado. Su marco de muestreo debe incluir a toda la población.
Para realizar este tipo de muestreo, puede utilizar herramientas como generadores de números aleatorios u otras técnicas que se basan completamente en el azar.
Desea seleccionar una muestra aleatoria simple de 100 empleados de la Compañía X. Asigna un número a cada empleado en la base de datos de la compañía del 1 al 1000 y usa un generador de números aleatorios para seleccionar 100 números.
Ejemplo
2. Muestreo sistemático
El muestreo sistemático es similar al muestreo aleatorio simple, pero generalmente es un poco más fácil de realizar. Cada miembro de la población se enumera con un número, pero en lugar de generar números aleatoriamente, los individuos se eligen a intervalos regulares.
Todos los empleados de la empresa se enumeran en orden alfabético. De los primeros 10 números, selecciona aleatoriamente un punto de partida: el número 6. Desde el número 6 en adelante, se selecciona cada décima persona de la lista (6, 16, 26, 36, etc.) y termina con una muestra de 100 personas.
Ejemplo
Si utiliza esta técnica, es importante asegurarse de que no haya ningún patrón oculto en la lista que pueda sesgar la muestra. Por ejemplo, si la base de datos de RR.HH. agrupa a los empleados por equipo, y los miembros del equipo se enumeran en orden de antigüedad, existe el riesgo de que su intervalo pase por alto a las personas en puestos junior, lo que da como resultado una muestra sesgada hacia los empleados senior.
3. Muestreo estratificado
El muestreo estratificado implica dividir la población en subpoblaciones que pueden diferir de manera importante. Permite sacar conclusiones más precisas al garantizar que todos los subgrupos estén representados correctamente en la muestra.
Para utilizar este método de muestreo, se divide la población en subgrupos (llamados estratos) en función de la característica relevante (por ejemplo, sexo, rango de edad, nivel de ingresos, función laboral).
Con base en las proporciones generales de la población, se calcula cuántas personas deben incluirse en la muestra de cada subgrupo. A continuación, se utiliza aleatorios o sistemáticos muestreo para seleccionar una muestra de cada subgrupo.
La empresa tiene 800 empleadas y 200 empleados de sexo masculino. Desea asegurarse de que la muestra refleje el equilibrio de género de la empresa, por lo que clasifica la población en dos estratos según el género. Luego, utiliza un muestreo aleatorio en cada grupo, seleccionando 80 mujeres y 20 hombres, lo que le da una muestra representativa de 100 personas.
Ejemplo
4. Muestreo por conglomerados
El muestreo por conglomerados también implica dividir la población en subgrupos, pero cada subgrupo debe tener características similares a la muestra completa. En lugar de tomar muestras de individuos de cada subgrupo, selecciona al azar subgrupos completos.
Si es prácticamente posible, se puede incluir a todos los individuos de cada grupo muestreado. Si los grupos en sí son grandes, también se puede tomar muestras de individuos de cada grupo mediante una de las técnicas anteriores.
Este método es bueno para tratar con poblaciones grandes y dispersas, pero existe un mayor riesgo de error en la muestra, ya que podría haber diferencias sustanciales entre los conglomerados. Es difícil garantizar que los conglomerados muestreados sean realmente representativos de toda la población.
La empresa tiene oficinas en 10 ciudades de todo el país (todas con aproximadamente la misma cantidad de empleados en funciones similares). No tiene la capacidad de viajar a todas las oficinas para recopilar sus datos, por lo que utiliza un muestreo aleatorio para seleccionar 3 oficinas; estos son sus grupos.
Ejemplo
Métodos de muestreo no probabilísticos
En una muestra no probabilística, los individuos se seleccionan según criterios no aleatorios y no todos los individuos tienen la posibilidad de ser incluidos.
Este tipo de muestra es más fácil y económico de acceder, pero tiene un mayor riesgo de sesgo de muestreo y no puede usarlo para hacer inferencias estadísticas válidas sobre toda la población.
Las técnicas de muestreo no probabilístico suelen ser apropiadas para la investigación exploratoria y cualitativa. En este tipo de investigación, el objetivo no es probar una hipótesis sobre una población amplia, sino desarrollar una comprensión inicial de una población pequeña o poco investigada.
1. Muestreo de conveniencia
Una muestra de conveniencia simplemente incluye a los individuos que resultan ser más accesibles para el investigador.
Esta es una forma fácil y económica de recopilar datos iniciales, pero no hay forma de saber si la muestra es representativa de la población, por lo que no puede producir resultados generalizables.
Estás investigando opiniones sobre los servicios de apoyo al estudiante en tu universidad, por lo que después de cada una de tus clases, les pides a tus compañeros que completen una encuesta sobre el tema. Esta es una forma conveniente de recopilar datos, pero como solo encuestó a los estudiantes que tomaban las mismas clases que usted en el mismo nivel, la muestra no es representativa de todos los estudiantes de su universidad.
Ejemplo
2. Muestreo de respuesta voluntaria
Similar a una muestra de conveniencia, una muestra de respuesta voluntaria se basa principalmente en la facilidad de acceso. En lugar de que el investigador elija a los participantes y los contacte directamente, las personas se ofrecen como voluntarios (por ejemplo, respondiendo a una encuesta pública en línea).
Las muestras de respuestas voluntarias siempre están al menos algo sesgadas, ya que algunas personas tendrán más probabilidades de ser voluntarias que otras.
Envías la encuesta a todos los estudiantes de tu universidad y muchos estudiantes deciden completarla. Esto ciertamente puede darle una idea del tema, pero es más probable que las personas que respondieron sean aquellas que tienen opiniones sólidas sobre los servicios de apoyo al estudiante, por lo que no puede estar seguro de que sus opiniones sean representativas de todos los estudiantes.
Ejemplo
3. Muestreo intencional
Este tipo de muestreo implica que el investigador utilice su juicio para seleccionar una muestra que sea más útil para los propósitos de la investigación.
A menudo se utiliza en la investigación cualitativa, donde el investigador desea obtener un conocimiento detallado sobre un fenómeno específico en lugar de hacer inferencias estadísticas. Una muestra intencional eficaz debe tener criterios claros y justificación para su inclusión.
Desea saber más sobre las opiniones y experiencias de los estudiantes discapacitados en su universidad, por lo que selecciona a propósito un número de estudiantes con diferentes necesidades de apoyo para recopilar una variedad variada de datos sobre sus experiencias con los servicios para estudiantes.
Ejemplo
4. Muestreo de bolas de nieve
Si la población es de difícil acceso, el muestreo de bola de nieve se puede utilizar para reclutar participantes a través de otros participantes. La cantidad de personas a las que tiene acceso a «bolas de nieve» a medida que se pone en contacto con más personas.
Estás investigando experiencias de personas sin hogar en tu ciudad. Dado que no existe una lista de todas las personas sin hogar en la ciudad, el muestreo probabilístico no es posible. Conoces a una persona que acepta participar en la investigación y te pone en contacto con otras personas sin hogar que conoce en la zona.
Ejemplo
Referencias
https://www.investopedia.com/terms/s/sampling-distribution.asp