Introducción
El muestreo probabilístico es un método de muestreo que consiste en seleccionar aleatoriamente una muestra, o una parte de la población que se desea investigar. A veces también se le llama muestreo aleatorio.
Para calificar como aleatoria, cada unidad de investigación (p. ej., persona, empresa u organización en su población) debe tener las mismas posibilidades de ser seleccionada. Esto generalmente se hace a través de un proceso de selección al azar, como un sorteo.
Desarrollo del tema
Tipos de muestreo probabilístico
Hay cuatro tipos de diseños de muestreo probabilístico comúnmente utilizados:
- Muestreo aleatorio simple
- Muestreo estratificado
- Muestreo sistemático
- Muestreo por conglomerados
Muestreo aleatorio simple
El muestreo aleatorio simple reúne una selección aleatoria de toda la población, donde cada unidad tiene la misma oportunidad de selección. Esta es la forma más común de seleccionar una muestra aleatoria.
Para compilar una lista de las unidades en su población de investigación, considere usar un generador de números aleatorios. Hay varios gratuitos disponibles en línea, como random.org, calculator.net y randomnumbergenerator.org.
| Ejemplo: Muestreo aleatorio simple Estás investigando las opiniones políticas de un municipio de 4.000 habitantes. Tienes acceso a una lista con las 4.000 personas, anonimizadas por motivos de privacidad. Ha establecido que necesita una muestra de 100 personas para su investigación. Escribir a mano los nombres de los 4.000 habitantes para sacar 100 de ellos al azar sería poco práctico y lento, además de cuestionable por razones éticas. En su lugar, decide utilizar un generador de números aleatorios para obtener una muestra aleatoria simple. Si el primer número generado por el programa es 1735, significa que el residente #1735 de su lista debe ser seleccionado para formar parte de la muestra. Continúa haciendo coincidir cada número con el residente respectivo en la lista. |
Muestreo estratificado
El muestreo estratificado recoge una selección aleatoria de una muestra dentro de ciertos estratos o subgrupos dentro de la población. Cada subgrupo se separa de los demás sobre la base de una característica común, como el género, la raza o la religión. De esta manera, puede asegurarse de que todos los subgrupos de una población dada estén representados adecuadamente dentro de su muestra de población.
Por ejemplo, si está dividiendo una población estudiantil por carreras universitarias, los estudiantes de Ingeniería, Lingüística y Educación Física son tres estratos diferentes dentro de esa población.
Para dividir su población en diferentes subgrupos, primero elija por qué característica le gustaría dividirlos. Luego puede seleccionar su muestra de cada subgrupo. Puede hacer esto de una de dos maneras:
- Seleccionando un número igual de unidades de cada subgrupo
- Seleccionando unidades de cada subgrupo iguales a su proporción en la población total
| Ejemplo: Muestreo estratificado Estás investigando por qué los jóvenes eligen jugar baloncesto. Quiere saber si los niños de áreas urbanas tienen más probabilidades de jugar que los niños de áreas rurales. Al mirar una lista de todos los jugadores juveniles en su estado, nota que hay 32,000 niños de áreas urbanas y 8,000 niños de áreas rurales. Si se toma una muestra aleatoria simple, los niños de áreas urbanas tendrán muchas más posibilidades de ser seleccionados, por lo que la mejor manera de obtener una muestra representativa es tomar una muestra estratificada. Primero, divides la población en sus estratos: uno para niños de áreas urbanas y otro para niños de áreas rurales. Luego, toma una muestra aleatoria simple de cada subgrupo. Puedes usar una de dos opciones: – Seleccione 100 urbanos y 100 rurales, es decir, un número igual de unidades – Seleccione 80 urbanos y 20 rurales, lo que le da una muestra representativa de 100 personas Luego, puede continuar con su recopilación de datos (p. ej., pídales que completen un cuestionario). Si elige un número igual de unidades, tenga en cuenta que debe sopesar los resultados para sacar conclusiones para la población en su conjunto. En este caso, dado que los niños de las zonas urbanas forman el 80% de la población, habrá que ponderar sus resultados ocho veces más que los de los niños de las zonas rurales. |
Muestreo sistemático
El muestreo sistemático extrae una muestra aleatoria de la población objetivo seleccionando unidades a intervalos regulares a partir de un punto aleatorio. Este método es útil en situaciones donde ya existen registros de su población objetivo, como registros de clientes de una agencia, listas de inscripción de estudiantes universitarios o registros de empleo de una empresa. Cualquiera de estos se puede utilizar como marco de muestreo.
Para comenzar su muestra sistemática, primero debe dividir su marco de muestreo en una serie de segmentos, llamados intervalos. Los calcula dividiendo el tamaño de su población por el tamaño de muestra deseado.
Luego, del primer intervalo, selecciona una unidad utilizando un muestreo aleatorio simple. La selección de las siguientes unidades de otros intervalos depende de la posición de la unidad seleccionada en el primer intervalo.
| Nota: La selección de una unidad dentro del primer intervalo es aleatoria, pero la selección de unidades de los siguientes intervalos depende de la primera selección que haya realizado. Por esta razón, el diseño de muestreo sistemático a veces se considera un diseño mixto. |
Volvamos a nuestro ejemplo sobre las opiniones políticas del municipio de 4.000 habitantes. También puede extraer una muestra de 100 personas utilizando un muestreo sistemático. Para hacerlo, sigue estos pasos:
- Determina tu intervalo: 4000 / 100 = 40. Esto significa que debes seleccionar 1 habitante de cada 40 del registro.
- Usando un muestreo aleatorio simple (por ejemplo, un generador de números aleatorios), selecciona 1 habitante.
- Digamos que seleccionas a la persona número 11 de la lista. En cada intervalo subsiguiente, debe seleccionar la persona número 11 en ese intervalo, hasta que tenga una muestra de 100 personas.
| Nota: Para que esto funcione, debe estar completamente seguro de que no hay un patrón oculto u orden jerárquico en el marco de muestreo, ya que esto puede sesgar sus resultados. Por ejemplo, suponga que tiene una lista de todos los empleados de una organización dividida por departamento. Si la lista de cada departamento también está organizada por antigüedad (comenzando con la persona más antigua y terminando con la contratación más reciente), corre el riesgo de seleccionar solo a los empleados más antiguos o más jóvenes, según el número que establezca como intervalo. |
Muestreo por conglomerados
El muestreo por conglomerados es el proceso de dividir la población objetivo en grupos, llamados conglomerados. Una subsección seleccionada al azar de estos grupos luego forma su muestra. El muestreo por conglomerados es un enfoque eficaz cuando se desea estudiar poblaciones grandes y geográficamente dispersas. Por lo general, involucra a grupos existentes que son similares entre sí de alguna manera (por ejemplo, clases en una escuela).
Hay dos tipos de muestreo por conglomerados:
- Muestreo por conglomerados único (o de una etapa), cuando se divide toda la población en conglomerados.
- Muestreo por conglomerados de etapas múltiples, cuando divide el conglomerado en más conglomerados, para reducir el tamaño de la muestra.
| Ejemplo: Muestreo por conglomerados de una sola etapa Estás investigando las percepciones de los estudiantes del último año de secundaria sobre la educación superior. No es factible obtener una lista de todos los estudiantes de último año de secundaria en su estado, pero puede acceder a los datos de su ciudad siguiendo los protocolos de privacidad requeridos. Los clusters son grupos preexistentes, por lo que cada instituto es un cluster, y le asignas un número a cada uno de ellos. Luego, utiliza el muestreo aleatorio simple para seleccionar más conglomerados. La cantidad de conglomerados que seleccione dependerá del tamaño de la muestra que necesite. A continuación, se comunica con el director de cada escuela secundaria seleccionada y les pide que colaboren con usted mediante la difusión de su cuestionario a sus estudiantes de último año. |
El muestreo de etapas múltiples es una forma más compleja de muestreo por conglomerados, en el que se seleccionan sucesivamente grupos más pequeños de poblaciones más grandes para formar la muestra de población utilizada en su estudio.
| Ejemplo: Muestra multietapa Está investigando el estrés relacionado con el lugar de trabajo en una empresa de tecnología educativa. Desea dibujar una muestra de empleados para encuestar. En el organigrama, se puede ver que la empresa consta de 9 departamentos, y cada departamento consta de 2 a 4 unidades, lo que da como resultado 17 unidades diferentes en total. Primero, toma una muestra aleatoria simple de departamentos. Luego, nuevamente utilizando un muestreo aleatorio simple, selecciona una cantidad de unidades. Según el tamaño de la población (es decir, cuántos empleados trabajan en la empresa) y el tamaño de muestra deseado, establece que necesita incluir 3 unidades en su muestra. Una vez que haya hecho su selección, solicite a todos los empleados que trabajan en las unidades seleccionadas que completen su cuestionario. |
En el muestreo estratificado, divide su población en grupos (estratos) que comparten una característica común y luego selecciona algunos miembros de cada grupo para su muestra. En el muestreo por conglomerados, utiliza grupos preexistentes para dividir su población en conglomerados y luego incluye a todos los miembros de conglomerados seleccionados al azar para su muestra.
Ejemplos de métodos de muestreo probabilístico
Hay algunos métodos que se pueden usar para extraer una muestra aleatoria. Aquí están algunos ejemplos:
- El sorteo de la pecera
- Un generador de números aleatorios
- La función de números aleatorios
Sorteo de pecera
Está investigando el uso de un popular dispositivo de lectura electrónica portátil entre los estudiantes de biblioteconomía y ciencias de la información y sus efectos en las prácticas de lectura individuales. Escribes los nombres de 25 estudiantes en pedazos de papel, los pones en un frasco y luego, sin mirar, seleccionadas al azar a tres estudiantes para entrevistarlos para tu investigación.
Todos los estudiantes tienen las mismas posibilidades de ser seleccionados y ninguna otra consideración (como la preferencia personal) puede influir en esta selección. Este método es adecuado cuando su población total es pequeña, por lo que es factible escribir los nombres o números de cada unidad en una hoja de papel.
Generador de números aleatorios
Suponga que está investigando lo que la gente piensa sobre la seguridad vial en un área residencial específica. Haces una lista de todos los suburbios y asignas un número a cada uno de ellos. Luego, utilizando un generador de números aleatorios en línea, selecciona cuatro números, correspondientes a cuatro suburbios, y se enfoca en ellos.
Esto funciona mejor cuando ya se tiene una lista con la población total y se puede asignar fácilmente un número a cada individuo.
Función ALEATORIO en Microsoft Excel
Si sus datos están en una hoja de cálculo, también puede usar la función de números aleatorios (RAND) en Microsoft Excel para seleccionar una muestra aleatoria.
Suponga que tiene una lista de 4000 personas y necesita una muestra de 300. Al escribir la fórmula =ALEATORIO() y luego presionar Intro, puede hacer que Excel asigna un número aleatorio a cada nombre de la lista. Para que esto funcione, asegúrese de que no haya filas en blanco.
Muestreo probabilístico frente a no probabilístico
Dependiendo de los objetivos de su estudio de investigación, existen dos métodos de muestreo que puede utilizar:
- Muestreo probabilístico: Método de muestreo que asegura que cada unidad en la población de estudio tenga la misma oportunidad de ser seleccionada.
- Muestreo no probabilístico: método de muestreo que utiliza una muestra no aleatoria de la población que desea investigar, en función de criterios específicos, como la conveniencia.
Muestreo de probabilidad
En la investigación cuantitativa, es importante que su muestra sea representativa de su población objetivo. Esto le permite hacer inferencias estadísticas sólidas basadas en los datos recopilados. Tener una muestra de probabilidad aleatoria suficientemente grande es la mejor garantía de que la muestra será representativa y los resultados generalizables.
Muestreo no probabilístico
Los diseños de muestreo no probabilístico se utilizan tanto en la investigación cuantitativa como en la cualitativa cuando se desconoce el número de unidades de la población o es imposible identificarlas individualmente. También se usa cuando desea aplicar los resultados solo a una determinada subsección u organización en lugar del público en general.
| Ejemplo: muestreo no probabilístico Está investigando los mecanismos de afrontamiento de los empleados que se enfrentan al estrés en el lugar de trabajo. Desea realizar entrevistas expertas con psicólogos organizacionales para obtener su punto de vista sobre el tema. Es poco probable que pueda compilar una lista de todos los psicólogos organizacionales en ejercicio en el país, pero podría compilar una lista con todos los expertos en su área y seleccionar algunos para entrevistar. Una buena regla general es realizar entrevistas hasta que haya alcanzado un punto de saturación, cuando ya no escuche nuevas respuestas a sus preguntas. |
Ventajas y desventajas del muestreo probabilístico
Es importante conocer las ventajas y desventajas del muestreo probabilístico, ya que lo ayudará a decidir si este es el método de muestreo adecuado para el diseño de su investigación.
Ventajas del muestreo probabilístico
Hay dos ventajas principales en el muestreo probabilístico.
- Las muestras seleccionadas con este método son representativas de la población en general. Debido a esto, las inferencias extraídas de dichas muestras se pueden generalizar a la población total que está estudiando.
- Dado que algunas pruebas estadísticas, como la regresión lineal múltiple, la prueba t o ANOVA, solo se pueden aplicar a un tamaño de muestra lo suficientemente grande como para aproximarse a la verdadera distribución de la población, el uso del muestreo probabilístico le permite establecer una correlación o causa y efecto. relación entre sus variables.
Desventajas del muestreo probabilístico
Elegir el muestreo probabilístico como su método de muestreo también presenta algunos desafíos. Estos incluyen lo siguiente:
- Puede ser difícil acceder a una lista de toda la población, debido a problemas de privacidad, o puede que no exista una lista completa. Puede ser costoso y llevar mucho tiempo compilarlo usted mismo.
- Aunque el muestreo probabilístico reduce el riesgo de sesgo de muestreo, todavía puede ocurrir. Cuando la muestra seleccionada no es lo suficientemente inclusiva, la representación de la población total está sesgada.
Preguntas frecuentes sobre el muestreo probabilístico
¿Qué es un método de muestreo?
Cuando su población es grande, geográficamente dispersa o difícil de contactar, es necesario utilizar un método de muestreo.
Esto le permite recopilar información de una parte más pequeña de la población (es decir, la muestra) y hacer afirmaciones precisas mediante el uso de análisis estadísticos. Algunos métodos de muestreo incluyen el muestreo aleatorio simple, el muestreo por conveniencia y el muestreo de bola de nieve.
¿Cuál es la diferencia entre muestreo estratificado y por conglomerados?
El muestreo estratificado y por conglomerados pueden parecer similares, pero tenga en cuenta que los grupos creados en el muestreo por conglomerados son heterogéneos, por lo que las características individuales del conglomerado varían. En cambio, los grupos creados en el muestreo estratificado son homogéneos, ya que las unidades comparten características.
Del mismo modo, en el muestreo por conglomerados selecciona aleatoriamente grupos enteros e incluye todas las unidades de cada grupo en su muestra. Sin embargo, en el muestreo estratificado, selecciona algunas unidades de todos los grupos y las incluye en su muestra. De esta forma, ambos métodos pueden garantizar que su muestra sea representativa de la población objetivo .
¿Qué es un marco de muestreo?
Un marco de muestreo es una lista de todos los miembros de la población total. Es importante que el marco muestral sea lo más completo posible, para que su muestra refleje con precisión su población.
Conclusión
El muestreo probabilístico se refiere a la selección de una muestra de una población, cuando esta selección se basa en el principio de aleatorización, es decir, selección aleatoria o azar. El muestreo probabilístico es más complejo, lleva más tiempo y suele ser más costoso que el muestreo no probabilístico. Sin embargo, debido a que las unidades de la población se seleccionan al azar y se puede calcular la probabilidad de selección de cada unidad, se pueden producir estimaciones confiables y se pueden hacer inferencias estadísticas sobre la población.
Hay varias formas diferentes en las que se puede seleccionar una muestra probabilística.
Al elegir un diseño de muestreo probabilístico, el objetivo es minimizar el error de muestreo de las estimaciones de las variables más importantes de la encuesta y, al mismo tiempo, minimizar el tiempo y el costo de realizar la encuesta. Algunas restricciones operativas también pueden tener un impacto en esa elección, como las características del marco de la encuesta.
Fuentes consultadas
Government of Canada, & Canada, S. (2021, septiembre 2). 3.2.2 probability sampling. Statcan.Gc.Ca. https://www150.statcan.gc.ca/n1/edu/power-pouvoir/ch13/prob/5214899-eng.htm
Nikolopoulou, K. (2022, julio 5). What is probability sampling? Scribbr. https://www.scribbr.com/methodology/probability-sampling/