Muestra
¿Qué es una muestra?
Una muestra se refiere a una versión más pequeña y manejable de un grupo más grande. Es un subconjunto que contiene las características de una población más grande. Las muestras se utilizan en pruebas estadísticas cuando los tamaños de población son demasiado grandes para que la prueba incluya todos los miembros u observaciones posibles. Una muestra debe representar a la población como un todo y no reflejar ningún sesgo hacia un atributo específico.
Existen varias técnicas de muestreo utilizadas por investigadores y estadísticos, cada una con sus propias ventajas e inconvenientes.
Comprender las muestras
Una muestra es un número imparcial de observaciones tomadas de una población. En términos simples, una población es el número total de observaciones (es decir, individuos, animales, elementos, datos, etc.) contenidas en un grupo o contexto determinado. Una muestra, en otras palabras, es una porción, parte o fracción de todo el grupo y actúa como un subconjunto de la población. Las muestras se utilizan en una variedad de entornos donde se lleva a cabo la investigación. Los científicos, los vendedores, las agencias gubernamentales, los economistas y los grupos de investigación se encuentran entre los que usan muestras para sus estudios y mediciones.
El uso de poblaciones enteras para la investigación conlleva desafíos. Los investigadores pueden tener problemas para acceder fácilmente a poblaciones enteras. Y, debido a la naturaleza de algunos estudios, los investigadores pueden tener dificultades para obtener los resultados que necesitan en el momento oportuno. Es por eso que se utilizan muestras de personas. El uso de un número menor de personas que representen a toda la población aún puede producir resultados válidos al tiempo que reduce el tiempo y los recursos.
Las muestras utilizadas por los investigadores deben parecerse a la población en general para poder hacer inferencias o predicciones precisas. Todos los participantes de la muestra deben compartir las mismas características y cualidades. Por lo tanto, si el estudio se trata de estudiantes universitarios masculinos de primer año, la muestra debe ser un pequeño porcentaje de hombres que se ajusten a esta descripción. Del mismo modo, si un grupo de investigación realiza un estudio sobre los patrones de sueño de mujeres solteras mayores de 50 años, la muestra solo debe incluir mujeres dentro de este grupo demográfico.
Consideraciones Especiales
Considere un equipo de investigadores académicos que quieren saber cuántos estudiantes estudiaron menos de 40 horas para el examen CFA y aun así lo aprobaron. Dado que más de 200 000 personas realizan el examen en todo el mundo cada año, llegar a todos y cada uno de los participantes del examen consumiría tiempo y recursos.
De hecho, para el momento en que los datos de la población hayan sido recopilados y analizados, habrán pasado un par de años, por lo que el análisis no tendrá ningún valor ya que habrá surgido una nueva población. Lo que los investigadores pueden hacer en cambio es tomar una muestra de la población y obtener datos de esta muestra.
Para lograr una muestra imparcial, la selección debe ser aleatoria para que todos los miembros de la población tengan la misma probabilidad de ser agregados al grupo de muestra. Esto es similar a un sorteo de lotería y es la base para el muestreo aleatorio simple.
Para obtener una muestra imparcial, la selección debe ser aleatoria para que todos los miembros de la población tengan las mismas posibilidades de ser agregados al grupo.
Tipos de muestreo
Muestreo aleatorio simple
El muestreo aleatorio simple es ideal si todas las entidades de la población son idénticas. Si a los investigadores no les importa si los sujetos de su muestra son todos hombres o mujeres o una combinación de ambos sexos en alguna forma, el muestreo aleatorio simple puede ser una buena técnica de selección.
Digamos que hubo 200 000 personas que tomaron el examen CFA en 2021, de las cuales el 40 % eran mujeres y el 60 % hombres. La muestra aleatoria extraída de la población debería, por tanto, tener 400 mujeres y 600 hombres para un total de 1.000 examinados.
Pero, ¿qué pasa con los casos en los que es importante conocer la proporción de hombres y mujeres que aprobaron una prueba después de estudiar menos de 40 horas? Aquí, una muestra aleatoria estratificada sería preferible a una muestra aleatoria simple.
Muestreo aleatorio estratificado
Este tipo de muestreo, también conocido como muestreo aleatorio proporcional o muestreo aleatorio por cuotas, divide a la población general en grupos más pequeños. Estos se conocen como estratos. Las personas dentro de los estratos comparten características similares.
¿Qué pasaría si la edad fuera un factor importante que a los investigadores les gustaría incluir en sus datos? Usando la técnica de muestreo aleatorio estratificado, podrían crear capas o estratos para cada grupo de edad. La selección de cada estrato tendría que ser aleatoria para que todos en el grupo tengan una probabilidad probable de ser incluidos en la muestra. Por ejemplo, dos participantes, Alex y David, tienen 22 y 24 años, respectivamente. La selección de la muestra no puede escoger uno sobre el otro en base a algún mecanismo preferencial. Ambos deben tener las mismas posibilidades de ser seleccionados de su grupo de edad. Los estratos podrían verse así:
TTT
A partir de la tabla, la población se ha dividido en grupos de edad. Por ejemplo, 30 000 personas dentro del rango de edad de 20 a 24 años tomaron el examen CFA en 2021. Usando esta misma proporción, el grupo de muestra tendrá (30 000 ÷ 200 000) × 1000 = 150 examinados que se encuentran dentro de este grupo. Alex o David, o ambos o ninguno, pueden incluirse entre los 150 participantes del examen aleatorio de la muestra.
Hay muchos más estratos que podrían recopilarse al decidir el tamaño de la muestra. Algunos investigadores pueden completar las funciones laborales, los países, el estado civil, etc., de los examinados al decidir cómo crear la muestra.
Ejemplos de muestras
En 2021, la población mundial era de casi 7900 millones, de los cuales el 49,6 % eran mujeres y el 50 % hombres. El número total de personas en un país determinado también puede ser el tamaño de la población. El número total de estudiantes en una ciudad puede tomarse como una población, y el número total de perros en una ciudad también es un tamaño de población. Se pueden tomar muestras de estas poblaciones con fines de investigación.
Siguiendo nuestro ejemplo de examen CFA, los investigadores podrían tomar una muestra de 1,000 participantes CFA del total de 200,000 examinados (la población) y ejecutar los datos requeridos en este número. La media de esta muestra se tomaría para estimar el promedio de los examinados CFA que aprobaron aunque solo estudiaron menos de 40 horas.
El grupo de muestra tomado no debe estar sesgado. Esto significa que si la media muestral de los 1000 participantes del examen CFA es 50, la media poblacional de los 200 000 examinados también debería ser aproximadamente 50.
Reflejos
En estadística, una muestra es un subconjunto analítico de una población mayor.
En el muestreo aleatorio simple, todas las entidades de la población son idénticas, mientras que el muestreo aleatorio estratificado divide la población general en grupos más pequeños.
El uso de muestras permite a los investigadores realizar sus estudios con datos más manejables y en tiempo y forma.
Las muestras extraídas al azar no tienen mucho sesgo si son lo suficientemente grandes, pero lograr tal muestra puede ser costoso y llevar mucho tiempo.
PREGUNTAS MÁS FRECUENTES
¿Qué es una muestra aleatoria simple?
Este método de muestreo utiliza encuestados o puntos de datos que se seleccionan al azar de la población más grande. Con un tamaño de muestra lo suficientemente grande, una muestra aleatoria elimina el sesgo.
¿Por qué las muestras aleatorias permiten la inferencia?
Las leyes de la estadística implican que se pueden realizar mediciones y evaluaciones precisas sobre una población mediante el uso de una muestra. El análisis de varianza (ANOVA),. la regresión lineal y las técnicas de modelado más avanzadas son válidas debido a la ley de los grandes números y al teorema del límite central.
¿Por qué los analistas utilizan muestras en lugar de medir la población?
A menudo, una población es demasiado grande o extensa para medir a cada miembro y medir a cada miembro sería costoso y llevaría mucho tiempo. Una muestra permite hacer inferencias sobre la población utilizando métodos estadísticos.
¿Qué tamaño de muestra necesita?
Esto dependerá del tamaño de la población y del tipo de análisis que desee realizar (p. ej., qué intervalos de confianza está utilizando). El análisis de potencia es una técnica para evaluar matemáticamente el tamaño de muestra más pequeño necesario en función de sus necesidades. Otra regla general es que su muestra debe ser lo suficientemente grande, pero no más del 10% del tamaño de la población.
