Como se saca la muestra en estadística

Sin embargo, no es tan sencillo. Cuando se hacen estadísticas, el tamaño de la muestra tiene que ser ideal, ni demasiado grande ni demasiado pequeño. Luego, una vez que haya decidido el tamaño de la muestra, debe utilizar una técnica sólida para recoger la muestra de la población:

• El muestreo probabilístico utiliza la aleatorización para seleccionar los miembros de la muestra. Se conoce la probabilidad de que cada miembro potencial sea incluido en la muestra. Por ejemplo, 1/100. Sin embargo, no es necesario que las probabilidades sean iguales. Algunos miembros pueden tener una probabilidad de 1/100 de ser elegidos, otros pueden tener 1/50.
• El muestreo no probabilístico utiliza técnicas no aleatorias (es decir, el criterio del investigador). No se pueden calcular las probabilidades de que un elemento, una persona o una cosa concreta se incluya en la muestra.

Tipos de muestras

Tipos comunes

Las técnicas más comunes que probablemente encontrará en la estadística elemental o en la estadística AP incluyen la toma de una muestra con y sin reemplazo. Las técnicas específicas incluyen:

• Las muestras Bernoulli tienen ensayos Bernoulli independientes sobre elementos de la población. Los ensayos deciden si el elemento pasa a formar parte de la muestra. Todos los elementos de la población tienen la misma probabilidad de ser incluidos en cada elección de una sola muestra. Los tamaños de las muestras de Bernoulli siguen una distribución binomial. Muestras de Poisson (menos comunes): Un ensayo Bernoulli independiente decide si cada elemento de la población entra en la muestra.
• Las muestras de conglomerados dividen la población en grupos (conglomerados). A continuación, se elige una muestra aleatoria de los conglomerados. Se utiliza cuando los investigadores no conocen a los individuos de una población, pero sí los subconjuntos o grupos de la misma.
• En el muestreo sistemático, se seleccionan los elementos de la muestra a partir de un marco ordenado. Un marco de muestreo no es más que una lista de participantes de la que se quiere obtener una muestra. Por ejemplo, en el método de igual probabilidad, se elige un elemento de una lista y, a continuación, se elige cada kº elemento mediante la ecuación k = N\n. La "n" minúscula indica el tamaño de la muestra y la "N" mayúscula equivale al tamaño de la población.
• SRS : Selecciona los elementos de forma completamente aleatoria, de modo que cada elemento tiene la misma probabilidad de ser elegido que cualquier otro. Cada subconjunto de elementos tiene la misma probabilidad de ser elegido que cualquier otro subconjunto de k elementos.
• En el muestreo estratificado, muestrear cada subpoblación de forma independiente. Primero se divide la población en subgrupos homogéneos (muy similares) antes de obtener la muestra. Cada miembro de la población sólo pertenece a un grupo. A continuación, se aplica un método aleatorio simple o un método sistemático dentro de cada grupo para elegir la muestra. Aleatorización estratificada: es un subtipo de estratificación utilizado en los ensayos clínicos. Primero se dividen los pacientes en estratos y luego se aleatoriza con una aleatorización en bloques permutados.

Tipos menos comunes

Rara vez (o nunca) se encontrará con estas técnicas en una clase de estadística básica. Sin embargo, las encontrará en el "mundo real":

• Muestreo de aceptación-rechazo: Una forma de tomar muestras de una distribución desconocida utilizando una distribución similar y más conveniente.
• Muestreo accidental (también conocido como muestreo de agarre, de conveniencia o de oportunidad): Extraer una muestra de una población conveniente y fácilmente disponible. No proporciona una muestra representativa de la población, pero puede ser útil para las pruebas piloto.
• Muestreo adaptativo (también llamado diseños adaptativos a la respuesta): adapta los criterios de selección a medida que avanza el experimento, basándose en los resultados preliminares que se van obteniendo.
• Muestra Bootstrap: Seleccione una muestra más pequeña de una muestra más grande con Bootstrapping. El Bootstrapping es un tipo de remuestreo en el que se extrae un gran número de muestras más pequeñas del mismo tamaño, con reemplazo, a partir de una única muestra original.
• El algoritmo Demon (física) muestrea miembros de un conjunto microcanónico (utilizado para representar los posibles estados de un sistema mecánico que tiene una energía total exactamente especificada) con una energía determinada. El "demonio" representa un grado de libertad del sistema que almacena y proporciona energía.
• Muestras de casos críticos: Con este método, se eligen cuidadosamente los casos para maximizar la información que se puede obtener de un puñado de muestras.
• Muestreo de casos discrepantes: eliges casos que parecen contradecir tus conclusiones.
• Muestreo por distancia: es una técnica muy utilizada para estimar la densidad o la abundancia de las poblaciones de animales.
• El método de muestreo de experiencias toma muestras de experiencias (en lugar de individuos o miembros). En este método, los participantes en el estudio se detienen en determinados momentos y toman nota de sus experiencias a medida que las viven.
• Muestreo aleatorio: en el que el investigador elige los elementos al azar, tratando de simular la aleatoriedad. Sin embargo, el resultado puede no ser aleatorio en absoluto, ya que está contaminado por el sesgo de selección.

Vídeos de Como se saca la muestra en estadística

https://www.youtube.com/watch?v=oc8i9g144Y0