Se le conoce como muestreo a la técnica para la selección de una muestra a partir de una población estadística.Muestreo (publicado por la ((Universidad de Sonora))
El muestreo es un procedimiento que implica la selección y examen de una parte representativa de una población más extensa con el propósito de realizar inferencias y generalizaciones sobre un grupo específico (por ejemplo, los consumidores de un bien o servicio particular). En términos generales, se pueden distinguir dos amplias categorías de muestreo: probabilístico y no probabilístico. Dentro del primer grupo, la relevancia recae en la precisa determinación del tamaño de la muestra, para lo cual existen varias técnicas, destacándose el Muestreo Aleatorio Simple. Este proceso desempeña un papel crucial en la obtención de datos significativos y en la fiabilidad de las conclusiones extraídas, especialmente en los estudios de mercado.
Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a los que se alcanzarían si se realizase un estudio a toda la población. En las investigaciones llevadas por empresarios y de la medicina se usa muestreo extensivamente en recoger información sobre poblaciones.Salant, Priscilla, I. Dillman, and A. Don. How to conduct your own survey. No. 300.723 S3.. 1994.
Cabe mencionar que para que el muestreo sea válido y se pueda realizar un estudio adecuado (que consienta no solo hacer estimaciones de la población sino estimar también los márgenes de error correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea una muestra representativa, pero sí podemos actuar de manera que esta condición se alcance con una probabilidad alta.
En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la población, se puede extraer dos o más muestras de la misma población. Al conjunto de muestras que se pueden obtener de la población se denomina espacio muestral. La variable que asocia a cada muestra su probabilidad de extracción, sigue la llamada distribución muestral. Definición de la población El éxito de la práctica estadística se basa en la definición precisa del problema. En el muestreo, esto incluye definir la "población" de la que se extrae nuestra muestra. Una población puede definirse como el conjunto de personas o elementos con las características que se desea comprender. Dado que rara vez se dispone del tiempo o el dinero suficientes para recopilar información de todas o cada una de las personas de una población, el objetivo pasa a ser encontrar una muestra (o subconjunto) representativa de esa población.
A veces, lo que define a una población es obvio. Por ejemplo, un fabricante tiene que decidir si un lote de material de producción tiene la calidad suficiente para entregárselo al cliente o si debe desecharse o reelaborarse debido a su mala calidad. En este caso, el lote es la población.
Aunque la población de interés suele estar formada por objetos físicos, a veces es necesario muestrear en el tiempo, el espacio o alguna combinación de estas dimensiones. Por ejemplo, una investigación sobre el personal de los supermercados podría examinar la longitud de las colas en las cajas en distintos momentos, o un estudio sobre pingüinos en peligro de extinción podría tener como objetivo conocer el uso que hacen de los distintos territorios de caza a lo largo del tiempo. En cuanto a la dimensión temporal, puede centrarse en periodos u ocasiones concretas.
En otros casos, la "población" examinada puede ser incluso menos tangible. Por ejemplo, Joseph Jagger estudió el comportamiento de las ruletas de un casino de Montecarlo y lo utilizó para identificar una rueda sesgada. En este caso, la "población" que Jagger quería investigar era el comportamiento global de la ruleta (es decir, la distribución de probabilidad de sus resultados a lo largo de infinitas pruebas), mientras que su "muestra" estaba formada por los resultados observados de esa ruleta. Consideraciones similares surgen cuando se toman medidas repetidas de alguna característica física, como la conductividad eléctrica del cobre.
Esta situación se plantea a menudo cuando se busca conocimiento sobre el sistema de causas del que la población observada es un resultado. En tales casos, la teoría del muestreo puede tratar a la población observada como una muestra de una "superpoblación" mayor. Por ejemplo, un investigador podría estudiar la tasa de éxito de un nuevo programa para dejar de fumar en un grupo de prueba de 100 pacientes, con el fin de predecir los efectos del programa si se pusiera en | marcha en todo el país. En este caso, la superpoblación es "todo el mundo en el país, con acceso a este tratamiento", un grupo que aún no existe, ya que el programa todavía no está disponible para todos.
La población de la que se extrae la muestra puede no coincidir con la población de la que se desea obtener información. A menudo existe un solapamiento amplio pero no completo entre estos dos grupos debido a cuestiones de marco, etc. (véase más adelante). A veces pueden estar completamente separados: por ejemplo, se pueden estudiar ratas para comprender mejor la salud humana, o se pueden estudiar registros de personas nacidas en 2008 para hacer predicciones sobre las personas nacidas en 2009.
El tiempo invertido en precisar la población muestreada y la población objeto de estudio suele estar bien empleado, ya que plantea muchas cuestiones, ambigüedades y preguntas que, de otro modo, se habrían pasado por alto en esta fase.
Marco de muestreo En el caso más sencillo, como el muestreo de un lote de material de producción (muestreo de aceptación por lotes), lo más deseable sería identificar y medir cada uno de los elementos de la población e incluir cualquiera de ellos en nuestra muestra. Sin embargo, en el caso más general esto no suele ser posible ni práctico. No hay forma de identificar a todas las ratas en el conjunto de todas las ratas. Cuando el voto no es obligatorio, no hay forma de identificar qué personas votarán en unas próximas elecciones (antes de las elecciones). Estas poblaciones imprecisas no son susceptibles de muestreo de ninguna de las formas que se indican a continuación y a las que podríamos aplicar la teoría estadística.
Como remedio, buscamos un marco de muestreo que tenga la propiedad de que podamos identificar cada elemento e incluirlo en nuestra muestra. El tipo de marco más sencillo es una lista de elementos de la población (preferiblemente toda la población) con la información de contacto adecuada. Por ejemplo, en una encuesta de opinión, los posibles marcos de muestreo incluyen un censo electoral y una guía telefónica.
Una muestra probabilística es una muestra en la que cada unidad de la población tiene una probabilidad (mayor que cero) de ser seleccionada en la muestra, y esta probabilidad puede determinarse con precisión. La combinación de estos rasgos permite producir estimaciones no sesgadas de los totales de la población, ponderando las unidades muestreadas según su probabilidad de selección.
Ejemplo: Queremos estimar los ingresos totales de los adultos que viven en una calle determinada. Visitamos cada hogar de esa calle, identificamos a todos los adultos que viven en él y seleccionamos al azar un adulto de cada hogar. (Por ejemplo, podemos asignar a cada persona un número aleatorio, generado a partir de una distribución uniforme entre 0 y 1, y seleccionar a la persona con el número más alto de cada hogar). A continuación, entrevistamos a la persona seleccionada y averiguamos sus ingresos.
Las personas que viven solas son seleccionadas con toda seguridad, por lo que simplemente añadimos sus ingresos a nuestra estimación del total. Pero una persona que vive en un hogar de dos adultos sólo tiene una posibilidad entre dos de ser seleccionada. Para reflejar este hecho, cuando lleguemos a un hogar de este tipo, contaremos los ingresos de la persona seleccionada dos veces para el total. (La persona seleccionada de ese hogar puede considerarse que también representa a la persona no seleccionada.)
En el ejemplo anterior, no todo el mundo tiene la misma probabilidad de selección; lo que la convierte en una muestra probabilística es el hecho de que se conoce la probabilidad de cada persona. Cuando cada elemento de la población sí tiene la misma probabilidad de selección, esto se conoce como un diseño de igual probabilidad de selección (EPS). Este tipo de diseño también se denomina "autoponderación", ya que todas las unidades de la muestra tienen el mismo peso.
El muestreo probabilístico incluye: Muestreo aleatorio simple, Muestreo sistemático, Muestreo estratificado, Muestreo probabilístico proporcional al tamaño y Muestreo por conglomerados o Muestreo polietápico. Estas diversas formas de muestreo probabilístico tienen dos cosas en común: Cada elemento tiene una probabilidad conocida distinta de cero de ser muestreado e implica una selección aleatoria en algún momento.
El muestreo aleatorio incorpora el azar como recurso en el proceso de selección. Cuando este último cumple con la condición de que todos los elementos de la población tienen alguna oportunidad de ser escogidos en la muestra, si la probabilidad correspondiente a cada sujeto de la población es conocida de antemano, recibe el nombre de muestreo probabilístico. Una muestra seleccionada por muestreo de juicio puede basarse en la experiencia de alguien con la población. Algunas veces una muestra de juicio se usa como guía o muestra tentativa para decidir cómo tomar una muestra aleatoria más adelante.
Cada observación mide una o más propiedades (como peso, ubicación, color o masa) de objetos o individuos independientes. En el mue«streo de encuestas», se pueden aplicar ponderaciones a los datos para ajustar el diseño de la muestra, particularmente en el muestreo estratificado. Los resultados de la teoría de la probabilidad y la teoría estadística se emplean para guiar la práctica. En la investigación comercial y médica, el muestreo se usa ampliamente para recopilar información sobre una población.Salant, Priscilla, I. Dillman, and A. Don. How to conduct your own survey. No. 300.723 S3. 1994. El muestreo de aceptación se utiliza para determinar si un lote de producción de material cumple con las especificaciones vigentes. Muestreo aleatorio simple Forman parte de este tipo de muestreo todos aquellos métodos para los que se puede calcular la probabilidad de extracción de cualquiera de las muestras posibles. Este conjunto de técnicas de muestreo es el más aconsejable, aunque en ocasiones no es posible optar por él.
Tipos Sin reposición de los elementos: Cada elemento extraído se descarta para la subsiguiente extracción. Por ejemplo, si se extrae una muestra de una "población" de bombillas para estimar la vida media de las bombillas que la integran, no será posible medir más que una vez la bombilla seleccionada. Con reposición de los elementos: Las observaciones se realizan con reemplazo de los individuos, de forma que la población es idéntica en todas las extracciones. En poblaciones muy grandes, la probabilidad de repetir una extracción es tan pequeña que el muestreo puede considerarse con reposición aunque, realmente, no lo sea. Con reposición múltiple: En poblaciones muy grandes, la probabilidad de repetir una extracción es tan pequeña que el muestreo puede considerarse con reposición.
Para realizar este tipo de muestreo, y en determinadas situaciones, es muy útil la extracción de números aleatorios mediante ordenadores, calculadoras o tablas construidas al efecto.
Muestreo sistemático