Muestreo aleatorio Vs. Muestreo por cuotas

Poblaciones de muestreo

Si le dijera que al 85% de los estadounidenses les encanta el pastel de chocolate, es muy posible que esté de acuerdo con eso porque, quiero decir, ¿a quién no le encanta el pastel de chocolate? Si bien una estadística como esa puede ser cierta, sería imposible para mí preguntarle a cada estadounidense su opinión sobre el pastel de chocolate. De hecho, eso me obligaría a preguntar a más de 300 millones de personas.

En cambio, cuando vemos estadísticas como la que acabamos de mencionar, las actitudes u opiniones que reflejan a menudo se extraen de una muestra o de una parte seleccionada del todo mayor. Hay muchas formas de tomar una muestra. En esta lección, analizaremos dos formas en las que se toman las muestras. Estas formas son el muestreo aleatorio y el muestreo por cuotas.

Muestreo aleatorio

La forma más precisa de obtener información para un grupo grande de sujetos es mediante el muestreo probabilístico , en el que las muestras se seleccionan de manera que sean representativas de una población. Cuando decimos representante, nos referimos a todos los tipos de personas que podríamos esperar ver viviendo en esa población. Por ejemplo, si estuviéramos encuestando el comportamiento de los videojuegos, es posible que las personas mayores de 65 años no se incluyan porque esa edad o más no suele ser representativa de las personas a las que les gusta jugar videojuegos. El muestreo probabilístico proporciona los resultados más válidos o creíbles porque refleja las características de la población de la que se seleccionan.

Un tipo común de muestreo probabilístico se conoce como muestreo aleatorio. El término “aleatorio” tiene un significado muy preciso. En muestreo aleatorio, cada individuo de la población de interés tiene la misma probabilidad de selección. Esto significa que no puede simplemente recopilar respuestas en la calle y tener una muestra aleatoria porque no todos los que se pueden seleccionar pueden estar en esa calle, o esa calle puede estar en un área que solo alberga a personas con ciertas características. Para obtener una muestra verdaderamente aleatoria, piense en colocar a toda su población en una bolsa, cerrar los ojos y sacar a sus participantes para que participen en su investigación. La clave de la selección aleatoria es que no hay sesgo involucrado en la selección de la muestra. Cualquier variación entre las características de la muestra y las características de la población es solo una cuestión de azar.

Es importante comprender que la suposición de la misma posibilidad de selección significa que fuentes como una guía telefónica o listas de registro de votantes no son adecuadas para proporcionar una muestra aleatoria de una comunidad. En ambos casos, habrá varios residentes cuyos nombres no se enumeran. De hecho, las listas de conductores registrados ahora se utilizan comúnmente porque esas listas tienden a ser más representativas de una población. Las encuestas telefónicas resuelven este problema mediante la marcación de dígitos aleatorios, pero eso todavía supone que todos en la población tienen un teléfono.

Uno de los ejemplos históricos más clásicos de un sesgo de muestra aleatoria fue en las elecciones presidenciales de 1936, donde Literary Digest predijo que Alfred Landon derrotaría al futuro presidente Franklin Roosevelt. La muestra de la encuesta adolecía de una falta de cobertura de votantes de bajos ingresos, que tendían a ser demócratas y, por lo tanto, votaban por Roosevelt. Quizás se esté preguntando, ¿cómo sucedió esto? Bueno, la encuesta se basó en una muestra de conveniencia, extraída de directorios telefónicos y listas de registro de automóviles. En 1936, las personas que tenían automóviles y teléfonos tendían a ser más pudientes y no los demócratas de bajos ingresos que votaban por Roosevelt.

Muestreo de cuotas

A veces, los resultados de encuestas o sondeos se obtienen utilizando métodos de muestreo no probabilísticos , donde los seleccionados no son realmente representativos de una población determinada. En general, las muestras no probabilísticas son menos deseables que las muestras probabilísticas. Sin embargo, es posible que un investigador no pueda obtener una muestra aleatoria porque puede ser demasiado cara, o que a un investigador no le importe generalizar a una población más grande. No obstante, la validez de las muestras no probabilísticas se puede aumentar intentando aproximar la selección aleatoria y eliminando tantas fuentes de sesgo como sea posible. Un método que se utiliza para aproximar la selección aleatoria es el muestreo por cuotas.

En una muestra de cuotas , un investigador establece deliberadamente las proporciones de niveles de miembros elegidos dentro de la muestra. Por lo general, esto se hace para asegurar la inclusión de un segmento particular de la población que de otro modo podría pasarse por alto. El investigador establece una cuota, independiente de las características de la población, por lo que las proporciones pueden diferir de la proporción real en la población.

Entonces, aquí, no es como una muestra aleatoria en la que imaginamos a todos en una bolsa y cerrando los ojos y eligiendo a las personas; en cambio, podríamos colocar dos de cada tipo de religión, nacionalidad o cualquier característica que queramos representada en la bolsa, y luego sacar de ese grupo. Por ejemplo, digamos que me interesaron las actitudes de miembros de diferentes religiones hacia la pena de muerte. En Montana, una muestra aleatoria podría perder a los musulmanes porque no hay muchos en ese estado. Para asegurarse de su inclusión, un investigador podría establecer una cuota del 3% de musulmanes para la muestra. Sin embargo, la muestra ya no será representativa de las proporciones reales de la población porque los musulmanes no constituyen el 3% de la población de Montana. Si bien no pudimos usar los resultados de la encuesta para generalizar a la población del estado,

Resumen de la lección

Debido a que a menudo no es práctico encuestar o sondear a cada miembro de una población, los investigadores suelen sacar conclusiones sobre la población en su conjunto utilizando métodos de muestreo probabilísticos o no probabilísticos . Los métodos de muestreo probabilístico asumen que las muestras seleccionadas de una población son representativas de la población en su conjunto, mientras que el muestreo no probabilístico no lo es.

Un método común de muestreo probabilístico es el muestreo aleatorio , que supone que cada miembro de una población tiene la misma probabilidad de ser seleccionado. Este tipo de muestreo tiende a ser el más preciso y confiable. Sin embargo, hay ocasiones en las que el muestreo aleatorio es demasiado caro o no se desea y, por lo tanto , se puede utilizar un método de muestreo no probabilístico, como el muestreo por cuotas . En una muestra de cuotas, un investigador establece deliberadamente las proporciones de niveles de miembros elegidos dentro de la muestra.

Los resultados del aprendizaje

Después de terminar esta lección, practique lo que aprendió:

• Identificar el propósito de usar muestras en la investigación.
• Diferenciar entre muestreo probabilístico y no probabilístico
• Explicar el muestreo aleatorio y el muestreo por cuotas.
• Describir las ventajas y desventajas del muestreo aleatorio y por cuotas.