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 el tamaño de la población es demasiado grande para que la prueba incluya todos los miembros u observaciones posibles. Una muestra debe representar a la población en su conjunto y no reflejar ningún sesgo hacia un atributo específico.
Conclusiones clave
- Una muestra se refiere a una versión más pequeña y manejable de un grupo más grande o subconjunto de una población más grande.
- El uso de muestras permite a los investigadores realizar sus estudios de manera fácil y oportuna.
- Para lograr una muestra no sesgada, la selección debe ser aleatoria para que todos los miembros de la población tengan la misma probabilidad de ser agregados al grupo de muestra.
- 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.
Comprensión de las muestras
Una muestra es un número insesgado de observaciones tomadas de una población. En términos básicos, una población es el número total de individuos, animales, elementos, observación, datos, etc. de un sujeto determinado. Entonces, la 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. Científicos, especialistas en marketing, agencias gubernamentales, economistas y grupos de investigación se encuentran entre los que utilizan muestras para sus estudios y mediciones.
El uso de poblaciones enteras para la investigación conlleva desafíos, por lo que se utilizan muestras. 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 de manera oportuna. Es por eso que las personas que realizan estudios usan muestras. El uso de un número menor de personas que representen a toda la población aún puede producir resultados válidos al tiempo que se reduce el tiempo y los recursos.
Las muestras utilizadas por los investigadores deben parecerse mucho a la población. Todos los participantes de la muestra deben compartir las mismas características y cualidades. Entonces, si el estudio es sobre estudiantes universitarios varones de primer año, la muestra debe ser un pequeño porcentaje de hombres que se ajusten a esta descripción. De manera similar, 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.
Considere un equipo de investigadores académicos que quieren saber cuántos estudiantes estudiaron durante menos de 40 horas para el examen CFA y aún así lo aprobaron. Dado que más de 200,000 personas toman el examen en todo el mundo cada año, comunicarse con todos y cada uno de los participantes del examen puede ser extremadamente tedioso y llevar mucho tiempo.
De hecho, para cuando se hayan recopilado y analizado los datos de la población, habrán pasado un par de años, lo que hará que el análisis sea inútil ya que habría 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 obtener una muestra no sesgada, la selección debe ser aleatoria para que todos los miembros de la población tengan las mismas posibilidades de ser agregados al grupo.
Para lograr una muestra no sesgada, 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 un muestreo aleatorio simple.
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 la muestra son todos hombres o mujeres o una combinación de ambos sexos de alguna forma, el muestreo aleatorio simple puede ser una buena técnica de selección.
Digamos que hubo 200.000 examinados que se presentaron al examen CFA en 2016, de los cuales el 40% eran mujeres y el 60% hombres. La muestra aleatoria extraída de la población debería, por lo tanto, tener 400 mujeres y 600 hombres para un total de 1,000 examinados.
Pero, ¿qué ocurre con los casos en los que es importante conocer la proporción de hombres y mujeres que aprobaron un examen 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 los investigadores quisieran incluir en sus datos? Usando la técnica de muestreo aleatorio estratificado, pudieron 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 la posibilidad 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 elegir uno sobre el otro basándose en algún mecanismo preferencial. Ambos deben tener las mismas posibilidades de ser seleccionados de su grupo de edad. Los estratos podrían verse así:
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 2016. Usando esta misma proporción, el grupo de muestra tendrá (30,000 ÷ 200,000) x 1,000 = 150 examinados que se encuentran dentro de este grupo. Alex o David, o ambos o ninguno, pueden incluirse entre los 150 participantes aleatorios del examen de la muestra.
Hay muchos más estratos que podrían compilarse al decidir el tamaño de la muestra. Algunos investigadores pueden incluir las funciones laborales, los países, el estado civil, etc. de los examinados al decidir cómo crear la muestra.
Ejemplos de muestras
En 2017, la población mundial era de 7.500 millones, de los cuales el 49,6% eran mujeres y el 50,4% eran hombres. El número total de personas en un país determinado también puede ser un tamaño de población. El número total de estudiantes en una ciudad se puede tomar como población, y el número total de perros en una ciudad también es el tamaño de la población. Se pueden tomar muestras de estas poblaciones con fines de investigación.
Siguiendo nuestro ejemplo de examen CFA, los investigadores pudieron 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 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 de la muestra de los 1.000 participantes del examen CFA es 50, la media de la población de los 200.000 examinados también debería ser aproximadamente 50.