Cuando realiza una investigaci\u00f3n 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 participar\u00e1n en la investigaci\u00f3n.<\/p>\n\n\n\n
Para sacar conclusiones v\u00e1lidas de sus resultados, debe decidir cuidadosamente c\u00f3mo seleccionar\u00e1 una muestra que sea representativa del grupo en su conjunto. Hay dos tipos de m\u00e9todos de muestreo:<\/p>\n\n\n\n
Se debe explicar claramente c\u00f3mo seleccion\u00f3 la muestra en la secci\u00f3n de metodolog\u00eda de un trabajo o tesis.<\/p>\n\n\n\n
El muestreo probabil\u00edstico significa que cada miembro de la poblaci\u00f3n tiene la posibilidad de ser seleccionado. Se utiliza principalmente en investigaci\u00f3n cuantitativa. Si se desea producir resultados que sean representativos de toda la poblaci\u00f3n, se debe utilizar una t\u00e9cnica de muestreo probabil\u00edstico.<\/p>\n\n\n\n
Hay cuatro tipos principales de muestra probabil\u00edstica.<\/p>\n\n\n\n
<\/p>\n\n\n\n
En una muestra aleatoria simple, cada miembro de la poblaci\u00f3n tiene la misma probabilidad de ser seleccionado. Su marco de muestreo debe incluir a toda la poblaci\u00f3n.<\/p>\n\n\n\n
Para realizar este tipo de muestreo, puede utilizar herramientas como generadores de n\u00fameros aleatorios u otras t\u00e9cnicas que se basan completamente en el azar.<\/p>\n\n\n\n
Desea seleccionar una muestra aleatoria simple de 100 empleados de la Compa\u00f1\u00eda X. Asigna un n\u00famero a cada empleado en la base de datos de la compa\u00f1\u00eda del 1 al 1000 y usa un generador de n\u00fameros aleatorios para seleccionar 100 n\u00fameros.<\/p>Ejemplo<\/strong><\/cite><\/blockquote>\n\n\n\n
<\/p>\n\n\n\n
2. Muestreo sistem\u00e1tico<\/h3>\n\n\n\n
El muestreo sistem\u00e1tico es similar al muestreo aleatorio simple, pero generalmente es un poco m\u00e1s f\u00e1cil de realizar. Cada miembro de la poblaci\u00f3n se enumera con un n\u00famero, pero en lugar de generar n\u00fameros aleatoriamente, los individuos se eligen a intervalos regulares.<\/p>\n\n\n\n
Todos los empleados de la empresa se enumeran en orden alfab\u00e9tico. De los primeros 10 n\u00fameros, selecciona aleatoriamente un punto de partida: el n\u00famero 6. Desde el n\u00famero 6 en adelante, se selecciona cada d\u00e9cima persona de la lista (6, 16, 26, 36, etc.) y termina con una muestra de 100 personas.<\/p>Ejemplo<\/strong><\/cite><\/blockquote>\n\n\n\n
Si utiliza esta t\u00e9cnica, es importante asegurarse de que no haya ning\u00fan patr\u00f3n 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 antig\u00fcedad, 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.<\/p>\n\n\n\n
<\/p>\n\n\n\n
3. Muestreo estratificado<\/h3>\n\n\n\n
El muestreo estratificado implica dividir la poblaci\u00f3n en subpoblaciones que pueden diferir de manera importante. Permite sacar conclusiones m\u00e1s precisas al garantizar que todos los subgrupos est\u00e9n representados correctamente en la muestra.<\/p>\n\n\n\n
Para utilizar este m\u00e9todo de muestreo, se divide la poblaci\u00f3n en subgrupos (llamados estratos) en funci\u00f3n de la caracter\u00edstica relevante (por ejemplo, sexo, rango de edad, nivel de ingresos, funci\u00f3n laboral).<\/p>\n\n\n\n
Con base en las proporciones generales de la poblaci\u00f3n, se calcula cu\u00e1ntas personas deben incluirse en la muestra de cada subgrupo. A continuaci\u00f3n, se utiliza aleatorios o sistem\u00e1ticos muestreo para seleccionar una muestra de cada subgrupo.<\/p>\n\n\n\n
<\/p>\n\n\n\n
La empresa tiene 800 empleadas y 200 empleados de sexo masculino. Desea asegurarse de que la muestra refleje el equilibrio de g\u00e9nero de la empresa, por lo que clasifica la poblaci\u00f3n en dos estratos seg\u00fan el g\u00e9nero. Luego, utiliza un muestreo aleatorio en cada grupo, seleccionando 80 mujeres y 20 hombres, lo que le da una muestra representativa de 100 personas.<\/p>Ejemplo<\/strong><\/cite><\/blockquote>\n\n\n\n
<\/p>\n\n\n\n
4. Muestreo por conglomerados<\/h3>\n\n\n\n
El muestreo por conglomerados tambi\u00e9n implica dividir la poblaci\u00f3n en subgrupos, pero cada subgrupo debe tener caracter\u00edsticas similares a la muestra completa. En lugar de tomar muestras de individuos de cada subgrupo, selecciona al azar subgrupos completos.<\/p>\n\n\n\n
Si es pr\u00e1cticamente posible, se puede incluir a todos los individuos de cada grupo muestreado. Si los grupos en s\u00ed son grandes, tambi\u00e9n se puede tomar muestras de individuos de cada grupo mediante una de las t\u00e9cnicas anteriores.<\/p>\n\n\n\n
Este m\u00e9todo es bueno para tratar con poblaciones grandes y dispersas, pero existe un mayor riesgo de error en la muestra, ya que podr\u00eda haber diferencias sustanciales entre los conglomerados. Es dif\u00edcil garantizar que los conglomerados muestreados sean realmente representativos de toda la poblaci\u00f3n.<\/p>\n\n\n\n
La empresa tiene oficinas en 10 ciudades de todo el pa\u00eds (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.<\/p>Ejemplo<\/strong><\/cite><\/blockquote>\n\n\n\n
<\/p>\n\n\n\n
M\u00e9todos de muestreo no probabil\u00edsticos<\/h2>\n\n\n\n
En una muestra no probabil\u00edstica, los individuos se seleccionan seg\u00fan criterios no aleatorios y no todos los individuos tienen la posibilidad de ser incluidos.<\/p>\n\n\n\n
Este tipo de muestra es m\u00e1s f\u00e1cil y econ\u00f3mico de acceder, pero tiene un mayor riesgo de sesgo de muestreo y no puede usarlo para hacer inferencias estad\u00edsticas v\u00e1lidas sobre toda la poblaci\u00f3n.<\/p>\n\n\n\n
Las t\u00e9cnicas de muestreo no probabil\u00edstico suelen ser apropiadas para la investigaci\u00f3n exploratoria y cualitativa. En este tipo de investigaci\u00f3n, el objetivo no es probar una hip\u00f3tesis sobre una poblaci\u00f3n amplia, sino desarrollar una comprensi\u00f3n inicial de una poblaci\u00f3n peque\u00f1a o poco investigada.<\/p>\n\n\n\n
<\/p>\n\n\n\n
1. Muestreo de conveniencia<\/h3>\n\n\n\n
Una muestra de conveniencia simplemente incluye a los individuos que resultan ser m\u00e1s accesibles para el investigador.<\/p>\n\n\n\n
Esta es una forma f\u00e1cil y econ\u00f3mica de recopilar datos iniciales, pero no hay forma de saber si la muestra es representativa de la poblaci\u00f3n, por lo que no puede producir resultados generalizables.<\/p>\n\n\n\n
Est\u00e1s investigando opiniones sobre los servicios de apoyo al estudiante en tu universidad, por lo que despu\u00e9s de cada una de tus clases, les pides a tus compa\u00f1eros que completen una encuesta sobre el tema. Esta es una forma conveniente de recopilar datos, pero como solo encuest\u00f3 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.<\/p>Ejemplo<\/strong><\/cite><\/blockquote>\n\n\n\n
<\/p>\n\n\n\n
2. Muestreo de respuesta voluntaria<\/h3>\n\n\n\n
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 p\u00fablica en l\u00ednea).<\/p>\n\n\n\n
Las muestras de respuestas voluntarias siempre est\u00e1n al menos algo sesgadas, ya que algunas personas tendr\u00e1n m\u00e1s probabilidades de ser voluntarias que otras.<\/p>\n\n\n\n
Env\u00edas la encuesta a todos los estudiantes de tu universidad y muchos estudiantes deciden completarla. Esto ciertamente puede darle una idea del tema, pero es m\u00e1s probable que las personas que respondieron sean aquellas que tienen opiniones s\u00f3lidas sobre los servicios de apoyo al estudiante, por lo que no puede estar seguro de que sus opiniones sean representativas de todos los estudiantes.<\/p>Ejemplo<\/strong><\/cite><\/blockquote>\n\n\n\n
<\/p>\n\n\n\n
3. Muestreo intencional<\/h3>\n\n\n\n
Este tipo de muestreo implica que el investigador utilice su juicio para seleccionar una muestra que sea m\u00e1s \u00fatil para los prop\u00f3sitos de la investigaci\u00f3n.<\/p>\n\n\n\n
A menudo se utiliza en la investigaci\u00f3n cualitativa, donde el investigador desea obtener un conocimiento detallado sobre un fen\u00f3meno espec\u00edfico en lugar de hacer inferencias estad\u00edsticas. Una muestra intencional eficaz debe tener criterios claros y justificaci\u00f3n para su inclusi\u00f3n.<\/p>\n\n\n\n
Desea saber m\u00e1s sobre las opiniones y experiencias de los estudiantes discapacitados en su universidad, por lo que selecciona a prop\u00f3sito un n\u00famero de estudiantes con diferentes necesidades de apoyo para recopilar una variedad variada de datos sobre sus experiencias con los servicios para estudiantes.<\/p>Ejemplo<\/strong><\/cite><\/blockquote>\n\n\n\n
<\/p>\n\n\n\n
4. Muestreo de bolas de nieve<\/h3>\n\n\n\n
Si la poblaci\u00f3n es de dif\u00edcil acceso, el muestreo de bola de nieve se puede utilizar para reclutar participantes a trav\u00e9s de otros participantes. La cantidad de personas a las que tiene acceso a \u00abbolas de nieve\u00bb a medida que se pone en contacto con m\u00e1s personas.<\/p>\n\n\n\n
Est\u00e1s 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 probabil\u00edstico no es posible. Conoces a una persona que acepta participar en la investigaci\u00f3n y te pone en contacto con otras personas sin hogar que conoce en la zona.<\/p>Ejemplo<\/strong><\/cite><\/blockquote>\n\n\n\n
<\/p>\n\n\n\n
Referencias<\/h2>\n\n\n\n
https:\/\/www.investopedia.com\/terms\/s\/sampling-distribution.asp<\/a><\/p>\n\n\n\n