Muestreo v5c34

Muestreo Lic. Nestor Peralta

Muestreo • 1996 – Blin Clinton gano las elecciones Elecciones 1996 - USA 60

Porcentaje

50

49 41

40 30 20 9

10

1

0 Clinton

Dole

Perot

otros

Muestra • ¿Cuántas entrevistas cree que requirieron las encuestadoras para quedar a un par de puntos porcentuales de estimar la conducta de unos 90 millones de votantes?.

• Respuesta: menos de 2000

Muestreo • Nunca se puede observar todo, si se medita un poco se tiene un mundo entero de observaciones posibles. • Para el ejemplo, si se quiere observar a los electores, ¿a cuáles debe estudiar?. • El proceso mediante el cual se eligen las observaciones se llama Muestreo

La historia del Muestreo • Un revista Literary Digest se público en USA entre 1890 y 1938. • En el 1920, expidieron a personas de seis estados tarjetas en las que les preguntaban por quien iban a votar en las elecciones, si por Warren o por James. • Los nombres para el sondeo se tomaron de directorios telefónicos y registro automovilisticos. Basados en las tarjetas devueltas, el Digest acertó el pronostico de que Warren resultaria electo.

La historia del Muestreo • En 1936, realizo un sondeo mas ambicioso: envió 10 millones de boletas a personas suscritas a los directorios telefónicos y de las listas de propietarios de automóviles, mas de dos millones respondieron y le dieron la victoria a Alf London con un sorprendente y aplastante 57 a 43 porciento sobre Franklin Roosevelt. • Dos semanas mas tarde Roosevelt gano las elecciones por 61 a 39 porciento a London

La historia del Muestreo • El marco de muestreo que se empleo: Suscriptores de teléfonos y propietarios de automóviles. Este diseño eligió una muestra de personas desproporcionadamente ricas, en particular al salir de la gran depresión económica. • La muestra excluyo a la gente pobre, y fueron los pobres sobre todo quienes votaron por el nuevo trato (new deal), el programa de recuperación económica de Roosevelt.

La historia del Muestreo • George Gallup: pronostico que Roosevelt ganaría, su éxito dependió se su aprovechamiento del muestro por cuotas, que básicamente consiste en saber las características de la población de la que se toma la muestra: La proporción de hombres y mujeres, los diversos ingresos, edades, etc. • Se elige el numero correcto de: Hombres blancos pobres del campo, mujeres negras ricas citadinas, etc. • Las cuotas se basan en las variables mas pertinente para el estudio. • Al conocer las cifras de la distribución de ingresos, Gallup eligió a personas de su muestra de modo que hubiera una proporción correcta de entrevistados en cada nivel de ingreso

La historia del Muestreo • En el 1948: Pronostico que Dewey ganaba las elecciones, pero eso no resulto, gano las elecciones Harry Truman. • En el muestreo por cuota requiere que el encuestador conozca la población, para dicho pronostico, se uso el censo del 1940, sin embargo para 1948 la segunda guerra mundial había producido un desplazamiento de masas del campo a la ciudad que había modificado radicalmente la población que se tenia en 1940.

Dos métodos de Muestro • Probabilístico: básicamente esta técnica consiste en elegir una muestra aleatoria de un lista de nombres de todos los de la población que a uno le interesa estudiar. • No probabilístico: Son técnicas donde no se conoce la población.

No Probabilístico •

MUESTREO POR CUOTAS: También denominado en ocasiones, "accidental". Se asienta generalmente sobre la base de un buen conocimiento de los estratos de la población y/o de los individuos más "representativos" o "adecuados" para los fines de la investigación. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de aleatoriedad de aquél.

•

En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 años, de sexo femenino y residentes en Asunción. Una vez determinada la cuota, se eligen los primeros que se encuentren que cumplan esas características. Este método se utiliza mucho en las encuestas de opinión.

•

Por ejemplo, el Ministerio de Salud (MS) desea estudiar la incidencia de las drogas en la adolescencia. Lo que deberíamos hacer sería: conocer por los informes del Ministerio de salud cuáles son los centros más afectados por el problema, fijar un número de sujetos a entrevistar proporcional a cada uno de los estratos (cuotas) y finalmente dejar en manos de los responsables del trabajo de campo a qué sujetos concretos se deberá entrevistar.

No Probabilístico • MUESTREO INTENCIONAL: Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras "representativas" mediante la inclusión en la muestra de grupos supuestamente típicos. Es muy frecuente su utilización en sondeos preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto. • MUESTREO CASUAL O INCIDENTAL: Se trata de un proceso en el que el investigador selecciona directa e intencionadamente los individuos de la población. El caso más frecuente de este procedimiento el utilizar como muestra los individuos a los que se tiene fácil (los profesores de universidad emplean con mucha frecuencia a sus propios alumnos). Un caso particular es el de los voluntarios. • BOLA DE NIEVE: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.

Probabilístico

Terminología del muestreo • Elemento Un elemento es una unidad de la que se recopila información y que brinda la base para el análisis. Habitualmente, en las encuestas los elementos son las personas, o ciertas clases de personas; sin embargo, otras unidades también constituyen los elementos para la investigación social: familias, clubes sociales o empresas pueden ser los elementos de un estudio. (Elementos y unidades de análisis suelen ser los mismos en un estudio, aunque los primeros se refieran a la selección de la muestra y las segundas remitan al análisis de datos.). • Población Una población es la suma —especificada por una teoría— de los elementos de estudio. Ejemplo: El término paraguayo, puede ser el objeto de un estudio, la descripción de la población comprendería la definición del elemento paraguayo (por ejemplo, ciudadanía, residencia, etc.)

Terminología del muestreo • Población de estudio Una población de estudio es la suma de los elementos de los que se eligió la muestra. A menudo, los investigadores deciden limitar más sus poblaciones de estudio. El investigador que desea tomar una muestra de profesores de psicología puede limitar su estudio a quienes ejercen en el departamento de la materia y omitir a los que trabajan en otros departamentos. • Unidad de muestreo Una unidad de muestreo es aquel elemento o conjunto de elementos cuya elección se considera en alguna etapa del muestreo. Por ejemplo, digamos que usted toma del censo una muestra de manzanas de una ciudad, luego una muestra de casas de las manzanas elegidas y por último una muestra de adultos de las casas seleccionadas. En cada etapa, las unidades de muestreo son las manzanas del censo, las casas y los adultos, pero sólo estos últimos son elementos

Terminología del muestreo • Variable: es un conjunto de atributos mutuamente excluyentes: género, edad, ocupación, etc. Es posible describir los elementos de una población por sus atributos en determinada variable . • Parámetro es la descripción resumida de cierta variable en una población. Son parámetros el ingreso medio de todas las familias de una ciudad y la distribución de edades de sus habitantes. • Estadísticos son descripciones resumidas de cierta variable de la muestra. Así, el ingreso medio calculado de una muestra y la distribución de edades de ésta son estadísticos. Los estadísticos de las muestras sirven para hacer estimaciones de los parámetros de la población.

Terminología del muestreo •

•

Error de muestreo Los métodos de muestreo probabilístico rara vez, dan estadísticos exactamente iguales a los parámetros que estiman. Sin embargo, la teoría de la probabilidad nos permite estimar el grado de error esperado en determinado diseño de muestra. Niveles e intervalos de confianza Los dos componentes claves de las estimaciones de los errores de muestreo son los niveles de confianza y los intervalos de confianza. Expresamos la exactitud de los estadísticos de nuestra muestra en términos de un nivel de confianza de que los valores caen dentro de un intervalo especificado del parámetro. Por ejemplo, podríamos decir que tenemos un 95 por ciento de confianza de que nuestros estadísticos (digamos, 50 por ciento en favor del candidato X) están dentro de más o menos cinco puntos porcentuales del parámetro de la población. A medida que el intervalo de confianza para un estadístico determinado se amplía, aumenta nuestra confianza y podríamos decir que tenemos un 99.9 por ciento de confianza en que un nuestro estadisticos se encuentra a 7.5 puntos porcentuales

Tipo de muestreo probabilístico • Teoría del muestreo probabilístico • El propósito final del muestreo es elegir un conjunto de elementos de una población de modo tal que la descripción de dichos elementos (estadísticos) represente en forma precisa los parámetros de esa población total de la que fueron tomados. El muestreo probabilístico aumenta la probabilidad de alcanzar este objetivo y también proporciona los métodos para calcular el grado probable de éxito. • La selección aleatoria es la clave de este proceso. Aquí cada elemento tiene la misma probabilidad de selección independientemente de cualquier otro suceso en el proceso.

Clase de diseño de muestreo 1. Muestreo aleatorio simple 2. Muestreo aleatorio Sistemático 3. Muestreo aleatorio Estratificado 4. Muestreo aleatorio por Conglomerados

Muestreo aleatorio simple • Se escoge al azar los del universo hasta completar el tamaño muestral previsto • En teoría se enumeran previamente todos los elementos y de acuerdo con una tabla de números aleatorios se van escogiendo • El procedimiento puede darse con o sin reemplazos y esta condición afectará posteriormente el análisis

Muestreo aleatorio sistemático • El MAS siempre requiere de una lista de elementos, es muy laborioso si se hace a mano. • Entonces se usa el muestreo sistemático donde: – En el universo (N) se elige el primer elemento al azar – Luego los demás se escogen cada cierto intervalo (k), hasta completar el tamaño muestral (n). • K= tamaño de muestra/tamaño de la población.

– El tamaño del intervalo (k) se calcula así: k = N/n • Intervalo de muestreo = tamaño de población/tamaño de la muestra

Muestreo estratificado Considera que al interior del universo existen estratos (subgrupos internamente homogéneos pero cualitativa y cuantitativamente diferentes entre sí), y que no se cumple la condición de selección aleatoria pues los del grupo mayoritario tienen una mayor probabilidad de ser seleccionados en la muestra. Dicho de otro modo es el proceso de agrupar a los de una población en estratos relativamente homogéneos antes de tomas ninguna muestra

• •

Alineamos nuestra micro población de acuerdo con el sexo y la raza. Entonces, con un inicio aleatorio en tres, tomamos a cada décima persona. El muestreo garantiza la representatividad adecuada de las variables de estratificación mejorará la representación de otras variables relacionadas.

Muestreo por conglomerados • Los métodos presentados hasta ahora están pensados para seleccionar directamente los elementos de la población, es decir, que las unidades muéstrales son los elementos de la población. • En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la población que forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son áreas geográficas suele hablarse de "muestreo por áreas".

DECISIONES DE M U E S T R E O No. 1:

¿Debo tomar una muestra ?

Se Sequiere quieresaber sabercómo cómose se comporta una cierta comporta una cierta característica característicaen enun un Universo particular Universo particular

Hacer un Censo

Las obsrvaciones pueden atribuírse a los del Universo

Tomar Tomar una unaMuestra Muestra No representativa No representativa

Las obsrvaciones solo pueden atribuírse a la muestra, NO a los del Universo

Sí

El Universo está bien definido ?

NO Definir El Universo

Sí

Es posible observar todo el Universo ?

NO

NO Observar Observar una unaMuestra Muestra

Se quiere inferir la medición al Universo

?

Sí

Tomar una Muestra Representativa

Las obsrvaciones pueden atribuírse a los del Universo

Decisiones de M u e s t r e o No. 2:

Selección de una Muestra No Representativa La observación de este UNIVERSO ARTIFICIAL solo es PREDICABLE a sus integrantes

Se quiere medir una variable en una Muestra No Representativa

Se quiere inferir la medición al Universo ?

Sí

El procedimiento está contraindicado. Revise su planteamiento

Lsos sujetos que cumplan los criterios de inlcusion son rpresentativos de un UNIVERSO ARTIFICIAL

N O Precise los atributos esenciales que CARACTERIZAN al subgrupo

Exprese estos atributos como CRITERIOS DE INCLUSION en la muestra

Defina por CONVENIENCIA los criterios de SELECCIÓN

La utilidad de las Muestras No Representativas depende de su representatividad cualitativa y no de su tamaño

DECISIONES DE M U E S T R E O No. 3:

Selección de una Muestra Representativa Se Sequiere quiereestimar estimarun un Parámetro del Universo Parámetro del Universo partiendo partiendode deuna unaMuestra Muestra Representativa Representativa

Variable Cualitativa

Muestreo Representativo para estimar una Proporción

De qué naturaleza es el Parámetro a estimar?

Variable Continua

Muestreo Representativo para estimar una Media

DECISIONES DE M U E S T R E O No. 4:

Definicion Del Tamaño Muestral La Variable de muestreo es CUALITATIVA Intención de describir la variable (Estudios descriptivos) La Variable de muestreo es CONTINUA

Se ha decidido tomar una muestra representativa del Universo

Intención de relacionar la variable con otras (Estudios analíticos)

Estudio de Seguimiento

Estudio de Casos

Definición de tamaño muestral para una Proporción conocida Definición de tamaño muestral para una Proporción desconocida Definición de tamaño muestral para una varianza conocida Definición de tamaño muestral para una Varianza desconocida Definición de tamaño muestral para un RR y un poder definidos Definición de tamaño muestral para una OR y un poder definidos

No. 5: Definición del tamaño muestral n para una Variable Cualitativa cuyo comportamiento se conoce (P se conoce) Se Se quiere quiere medir medir una una variable variable CUALITATIVA CUALITATIVA (proporción (proporción p) p) en en una una Muestra Muestra Representativa Representativa Definir la confiabilidad de la medición (nivel alfa)

pq n = Z2 ES2

Definir el máximo error aleatorio isble (Error Estándar ES)

No. 6: Definición del tamaño muestral n para una Variable Cualitativa cuyo comportamiento se DESconoce (P desconocida) Se Sequiere quieremedir mediruna unavariable variable CUALITATIVA (proporci ón CUALITATIVA (proporción p) p)en en una Muestra Representativa una Muestra Representativa Definir la confiabilidad de la medición (nivel alfa)

Definir el máximo error aleatorio isble (Error Muestral EM)

n = Z2

PQ EM2

Se asumen los valores máximos de P y Q: P=0.5 Q=0.5

No. 7: Definición del tamaño muestral n para una Variable CONTINUA cuya variación se conoce Se Sequiere quieremedir mediruna unavariable variable CONTINUA (MEDIA CONTINUA (MEDIAX) X)en en una Muestra Representativa una Muestra Representativa

Definir la la Confiabilidad Z Esperada

Definir La Desviación Estándar (S) Conocida

n

s2 = Z2 ES2

Definir el Error Estándar (ES) Esperado

No. 8: Definición del tamaño muestral n para una Variable CONTINUA cuya variación se DESconoce Se Sequiere quieremedir mediruna unavariable variable CONTINUA (MEDIA CONTINUA (MEDIAX) X)en en una Muestra Representativa una Muestra Representativa

Definir la la Confiabilidad Z Esperada

Estimar o suponer La Desviación Estándar (S) Esperada

n

s2 = Z2 ES2

Definir el Error Estándar (ES) Esperado

No. 8: Definición del tamaño muestral n para un estudio de SEGUIMIENTO

Se Sequiere quieremedir medirun unRR RRen en una unaMuestra MuestraRepresentativa Representativa

Definir la la Confiabilidad Z Esperada

Definir el RR mínimo esperado

Los valores están tabulados

Definir el Poder (Mínimo error Beta) Esperado

No. 9: Definición del tamaño muestral n para un estudio de CASOS Y CONTROLES

Se Se quiere quiere medir medir una una OR OR en en una una Muestra Muestra Representativa Representativa

Definir la la Confiabilidad Z Esperada

Definir la OR Esperada

Los valores están tabulados

Definir el Poder (Mínimo error Beta) Esperado

• Muchas Gracias!!!!!