Cómo hacer muestreo sistemático sin esfuerzo

En el muestreo sistemático  cada k-ésimo miembro de la población se selecciona para ser incluido en el estudio.

Es un método de muestreo probabilístico.

Con el muestreo sistemático, cada k elementos se selecciona uno para producir una muestra de tamaño n a partir de una población de tamaño N.

El muestreo sistemático requiere un conocer el marco muestral de la población

Como es el caso con cualquier otro método de muestreo, deberías  obtener la aprobación de tu supervisor de tesis antes de utilizar este método.

Adicionalmente, debes conocer el tamaño total de la población, el tamaño de la muestra y luego calcular la fracción de muestreo antes de comenzar con la recolección de datos

Pasos para aplicar el muestreo sistemático

Puedes aplicar un muestreo sistemático en tu tesis de la siguiente manera:

1. Etiquete a cada miembro de la población con un número de identificación (ID) único.
2. Calcule la fracción de muestreo dividiendo el tamaño de la muestra entre el número total de la población:

Fracción de muestreo = (tamaño de muestra/tamaño población) = n/N

Por ejemplo, si tu fracción de muestreo es igual a 1/10, debes  elegir uno de cada diez casos del marco de muestral

Cuando los cálculos dan como resultado una fracción más complicada, especialmente para muestras de gran tamaño, puedes redondear tu población a los 10 o 100 más cercanos.

3. El primer elemento de la muestra debe elegirse de forma aleatoria.

Es importante seleccionarlo al azar para asegurar el carácter  de muestreo probabilístico del muestreo sistemático.

En otras palabras, si el primer integrante de la muestra se selecciona desde el inicio del marco muestral todo el tiempo,

las muestras entre las fracciones de muestra (muestras entre cada diez casos en el ejemplo anterior) no tendrán la posibilidad de ser incluidas

Por lo tanto, el primer caso debe seleccionarse al azar para superar este problema.

4. Los miembros adicionales de la muestra se eligen reclutando cada k-ésimo elemento (10 en el ejemplo anterior) entre la población.

Muestreo sistemático ejemplo

Veamos todo el proceso en un ejemplo

Suponga que su tema de tesis  es un estudio acerca del impacto de los estilos de liderazgos sobre la motivación de los empleados en la empresa XYZ

y ha elegido cuestionario como método principal de recopilación de datos.

La compañía XYZ  tiene 10 empleados de nivel operativo que podrían ser potencialmente encuestados.

Supón, sólo por simplificar la explicación, que fijaste el tamaño de muestra en 10 sujetos; es decir, entrevistarás a 10 empleados.

Tendrás que hacer lo siguiente:

1. Etiqueta a cada empleado con un número único.
2. Calcula la fracción de muestreo.

Fracción de muestreo = Tamaño real de la muestra / Población total = 10/100 = 1/10.

En consecuencia, seleccionarás cada 10 miembros del marco de muestral para participar en el estudio.

3. Elije el primer elemento al azar.

Supongamos que elegiste aleatoriamente el miembro  # 21 como punto de partida para seleccionar muestras.

En consecuencia, tu muestra estará compuesto por empleados de la Compañía XYZ con los siguientes números:

Muestreo sistemático con repetición

Primero: asigna un número a cada elemento de tu población.

Segundo: decide qué tan grande debe ser el tamaño de tu muestra.

Ver: Tamaño de muestra (Cómo encontrar uno)

Tercero: divide el tamaño de la muestra por el de la  población

Por ejemplo, si la población es 100 y el tamaño de la muestra es 10, entonces: 10/100 = 10

Por lo tanto, elegirás cada 10 miembros de la población para formar parte de la muestra

Muestra  1

Cuarto: usa la fracción de muestreo desde el tercer paso hasta completar el tamaño de muestra.

El objetivo es dividir a la población en partes.

Para este ejemplo, probaremos con 33 como punto de partida

La muestra quedaría así

Muestra  2

Quinto: cambie a un punto de partida diferente y luego continúe muestreando cada 10 elementos.

Para este ejemplo, cambiaremos de 33 a 15.

Tenga en cuenta que cuando sobrepasamos el último elemento de la población (en el ejemplo, 100) sin haber completado la muestra de 10 elementos,

Regresamos al comienzo de la lista hasta llegar al tamaño de muestra requerido (10 en este caso)

¡Así se realiza el muestreo sistemático repetido!

Sesgo de la muestra

Por ejemplo, si se ordena una lista de personas según el género como M H M H M H M H M H M H M H M H M H M H M H M H …, entonces elegir cada 10 elementos te dará una muestra en la cual se repite el mismo patrón secuencial que hay en la población

Esto es lo que se conoce como sesgo de la muestra

¿Cómo evitarlo?

Puedes mezclar aleatoriamente la lista antes de comenzar a elegir el primer elemento  o puedes usar muestreo sistemático repetido, como lo explicamos en el apartado anterior.

Se utiliza si no estás seguro de tener una lista completamente aleatoria y deseas evitar el sesgo de la muestra

Ventajas del muestreo sistemático

1. Cuando se hace correctamente, este método se aproximará a los resultados del muestreo aleatorio simple.
2. El muestreo sistemático es eficiente en costo y tiempo.
3. El muestreo sistemático es efectivamente adecuado para recopilar datos de casos geográficamente dispersos (que no requieren contacto cara a cara).

Desventajas

1. El muestreo sistemático puede aplicarse solo si la lista completa de la población está disponible.
2. Si hay patrones periódicos dentro del conjunto de datos, la muestra estará sesgada.
3. Si los participantes del estudio deducen el intervalo de muestreo, esto puede sesgar la muestra ya que los no participantes serán diferentes de los incluidos en el estudio.

Para finalizar…

El muestreo sistemático es rápido y conveniente cuando tienes una lista completa de los miembros de la población

Sin embargo, si hay algún tipo de patrón en la lista original, el sesgo puede aparecer en tus resultados.

¿Qué tal te ha parecido esta breve reseña sobre lo que es el muestreo sistemático?

¿Lo haz aplicado alguna vez en tu tesis?

Déjame tus respuestas luego del artículo, estaré esperando para leerlas

Preguntas frecuentes

Please follow and like us: