Métodos de muestreo probabilístico: Definición y tipos

¡Puntúa este artículo!

Muestreo de probabilidad

Laura es una psicóloga que está interesada en estudiar si existe prejuicio contra las mujeres en la fuerza laboral. Entonces, decide encuestar a los trabajadores para ver si creen que el sexismo juega un papel en su empresa.

¿A quién debería entregar Laura la encuesta? La muestra de un estudio es el grupo de sujetos que participan en el estudio. La muestra es una parte importante del estudio y puede influir en el resultado. Por ejemplo, si Laura solo entrega la encuesta a hombres, sus resultados podrían subestimar si los trabajadores creen que existe un sesgo contra las mujeres porque es menos probable que los hombres se den cuenta o admitan que el sexismo es parte de la cultura del lugar de trabajo.

No solo eso, sino que si Laura entrega la encuesta solo a mujeres que trabajan en campos dominados por mujeres, como maestras o enfermeras, es posible que informen menos sesgos que si entrega la encuesta a mujeres que dirigen empresas o trabajan en ventas o ciencias. .

A partir de estos ejemplos, probablemente pueda adivinar que el muestreo , o el proceso mediante el cual un investigador elige una muestra, es una parte importante de la planificación de un estudio.

Un tipo de muestreo es el muestreo probabilístico , que es cuando el investigador elige sujetos al azar para formar parte de una muestra. La elección aleatoria de sujetos puede aumentar las posibilidades de que una muestra refleje a la población en general; Laura, por ejemplo, tiene menos probabilidades de terminar con todos los hombres si elige sujetos al azar.

Veamos más de cerca tres tipos de muestreo probabilístico: muestreo aleatorio simple, sistemático y estratificado.

Aleatorio simple

Imagina que Laura decide que solo quiere saber si hay prejuicios contra las mujeres que trabajan en ventas en grandes empresas. La población a la que quiere generalizar son solo mujeres que trabajan en ventas en grandes empresas, que es una población mucho más pequeña y simple que las mujeres que trabajan en cualquier carrera en cualquier empresa.

Para poblaciones simples donde los individuos son relativamente homogéneos (es decir, similares entre sí), un método de muestreo aleatorio simple funciona bien. Esto es cuando los sujetos se seleccionan al azar de alguna manera, como lanzar una moneda o sacar nombres de un sombrero. Imagine un muestreo aleatorio simple como sacar canicas de un frasco grande: la probabilidad de ser recogido es exactamente la misma para cada canica.

También hay muchos programas informáticos que permiten a los investigadores generar fácilmente una muestra aleatoria simple de una población. Por ejemplo, tal vez Laura use un programa de computadora para seleccionar mujeres al azar en las ventas de las 50 principales empresas de Estados Unidos. Ella ingresa todos sus nombres y la cantidad de personas que quiere en su muestra, y la computadora elegirá nombres al azar para incluirlos en la muestra.

Sistemático

Como mencionamos, el muestreo aleatorio simple funciona bien con una población pequeña y homogénea. Pero existen otros métodos de muestreo probabilístico que también pueden funcionar con poblaciones que son más grandes o un poco más complicadas.

Un método popular de muestreo probabilístico es el método de muestreo sistemático , que consiste en ordenar la población y luego la elección de cada n º persona. Por ejemplo, tal vez Laura ordene una lista de posibles mujeres por orden alfabético o por altura. Luego elige cada décima mujer o cada octava mujer o cualquier número que decida de antemano.

La ventaja del muestreo sistemático es que la muestra se distribuye uniformemente entre la población. Imagine que la asignación aleatoria simple generada por computadora de Laura elige a todas las mujeres bajas y no a las altas. E imagina que las mujeres bajas experimentan más prejuicios que las mujeres altas porque la gente las ve como niñas pequeñas. La asignación aleatoria simple le ha dado a Laura una muestra que podría tener un resultado diferente al de la población principal.

Pero si Laura ordena la población por estatura y elige una de cada diez mujeres, tiene una muestra que incluye mujeres de todas las alturas y, por lo tanto, es más representativa de la población.

Estratificado

Hasta ahora, hemos analizado lo que Laura podría hacer si solo estuviera interesada en estudiar a un grupo específico de personas, como las mujeres que trabajan en ventas en grandes empresas. Pero, ¿y si Laura realmente quiere mirar a una población más grande, como mujeres en muchas carreras diferentes?

En ese caso, es posible que desee utilizar un método de muestreo estratificado , que implica extraer una muestra de cada estrato o segmento de la población. Por ejemplo, es posible que desee tomar algunas mujeres de cada carrera que le interese estudiar: algunas que están en ventas, otras que trabajan en relaciones públicas, etc., hasta que tenga una muestra extraída de muchos estratos diferentes.

Un método de muestreo estratificado funciona bien si existen segmentos naturales en la población de interés. En el caso de Laura, el campo de la carrera es un segmento natural que se presta bien a una muestra estratificada. Otros ejemplos de ocasiones en las que un método de muestreo estratificado tiene sentido es cuando se busca información demográfica, como raza o edad, y desea una muestra que refleje la diversidad de la población en general.

Resumen de la lección

El muestreo probabilístico es un método mediante el cual un investigador elige al azar a sus sujetos de un grupo más grande. Tres tipos comunes de muestreo probabilístico son: muestreo aleatorio simple, que implica un método aleatorio, como la generación por computadora o el lanzamiento de una moneda; muestreo sistemático, que implica ordenar la población de interés y elegir sujetos a intervalos regulares; y muestreo estratificado, que consiste en extraer una muestra de cada estrato de la población.

Los resultados del aprendizaje

Después de esta lección en video, debería poder:

  • Definir muestreo probabilístico
  • Describir tres tipos de muestreo probabilístico: muestreo aleatorio simple, sistemático y estratificado.
  • Explicar las ventajas de estos tipos de muestreo y cuándo un investigador querría usar uno sobre otro.