Cómo funciona el muestreo aleatorio estratificado

El muestreo aleatorio estratificado  es un método de muestreo que implica dividir una población en grupos más pequeños, llamados estratos. Los grupos o estratos se organizan en función de las características o atributos compartidos de los miembros del grupo. El proceso de clasificar a la población en grupos se llama estratificación.

El muestreo aleatorio estratificado también se conoce como muestreo aleatorio por cuotas y muestreo aleatorio proporcional. El muestreo aleatorio estratificado tiene numerosas aplicaciones y beneficios, como el estudio de la demografía de la población y la esperanza de vida.

Comprensión del muestreo aleatorio estratificado

El muestreo aleatorio estratificado divide una población en subgrupos. Se toman muestras aleatorias en la misma proporción que la población de cada uno de los grupos o estratos. Los miembros de cada estrato (singular para los estratos) formados tienen atributos y características similares.

El muestreo aleatorio estratificado es un método de muestreo, que es cuando un investigador selecciona un grupo pequeño como tamaño de muestra para el estudio. Este subconjunto representa la población más grande. Organizar una población en grupos con características similares ayuda a los investigadores a ahorrar tiempo y dinero cuando la población estudiada es demasiado grande para analizarla individualmente. El muestreo aleatorio estratificado ayuda al permitir a los investigadores organizar los grupos en función de características similares, por lo que luego se toma una muestra aleatoria de cada estrato o grupo.

El muestreo aleatorio estratificado se puede utilizar, por ejemplo, para estudiar el sondeo de las elecciones, las personas que trabajan horas extra, la esperanza de vida, los ingresos de las distintas poblaciones y los ingresos para diferentes trabajos en una nación.

Muestreo aleatorio estratificado vs simplificado

Una muestra aleatoria simple es una muestra de individuos que existen en una población en la que los individuos se seleccionan al azar de la población y se colocan en la muestra. Este método de seleccionar individuos al azar busca seleccionar un tamaño de muestra que sea una representación no sesgada de la población. Sin embargo, una muestra aleatoria simple no es ventajosa cuando las muestras de la población varían ampliamente.

Por el contrario, el muestreo aleatorio estratificado divide la población en subgrupos y los organiza por rasgos, características y comportamiento similares. Como resultado, el muestreo aleatorio estratificado es más ventajoso cuando la población varía mucho, ya que ayuda a organizar mejor las muestras para el estudio.

Sin embargo, una muestra aleatoria simple es más ventajosa cuando la población no se puede organizar en subgrupos porque hay demasiadas diferencias dentro de la población. Además, las muestras aleatorias simples son mejores cuando hay poca o ninguna información sobre la población, lo que evita que la población se divida en subconjuntos en función de características o rasgos.

Ejemplo de muestreo aleatorio estratificado

Un equipo de investigación ha decidido realizar un estudio para analizar los promedios de calificaciones o GPA de los 21 millones de estudiantes universitarios en los EE. UU. Los investigadores deciden obtener una muestra aleatoria de 4,000 estudiantes universitarios dentro de una población de 21 millones. El equipo desea revisar las diversas especialidades y los GPA posteriores de los estudiantes o participantes de muestra.

De los 4.000 participantes, el desglose de las especialidades es el siguiente:

• Inglés: 560
• Ciencia: 1,135
• Ciencias de la computación: 800
• Ingeniería: 1.090
• Matemáticas: 415

Los investigadores tienen sus cinco estratos del proceso de muestreo aleatorio estratificado. A continuación, los investigadores estudian los datos de la población para determinar el porcentaje de los 21 millones de estudiantes que se especializan en las materias de su muestra. Los hallazgos muestran lo siguiente:

• 12% especialización en inglés
• 28% mayor en ciencias
• 24% mayor en ciencias de la computación
• 21% especialización en ingeniería
• 15% de especialización en matemáticas

El equipo decide emplear una muestra aleatoria estratificada proporcional mediante la cual quieren determinar si las especialidades de los estudiantes de la muestra representan la misma proporción que la población.

Sin embargo, las proporciones en la muestra no son iguales a los porcentajes en la población. Por ejemplo, el 12% de la población estudiantil tiene especializaciones en inglés, mientras que el 14% de los estudiantes de la muestra son especializaciones en inglés (o 560 especializaciones en inglés / 4.000).

Como resultado, los investigadores deciden volver a muestrear a los estudiantes para que coincidan con el porcentaje de especializaciones en la población. De los 4000 estudiantes de su muestra, deciden seleccionar al azar lo siguiente:

• 480 especializaciones en inglés (12% de 4.000)
• 1,120 estudiantes de ciencias (28% de 4,000)
• 960 estudiantes de ciencias de la computación (24% de 4,000)
• 840 carreras de ingeniería (21% de 4000)
• 600 estudiantes de matemáticas (15% de 4.000)

Los investigadores ahora tienen una muestra aleatoria estratificada proporcional de estudiantes universitarios y sus respectivas especializaciones, que refleja con mayor precisión las especialidades de la población estudiantil en general. A partir de ahí, los investigadores pueden analizar los GPA de cada estrato, así como sus características, para tener una mejor idea de cómo se está desempeñando la población estudiantil en general.