Definición de Muestra estadística – Definición, qué es y concepto | Diccionario Economico
Una muestra estadística es un grupo representativo de individuos, objetos o eventos tomados de una población más grande con el fin de obtener información sobre características o comportamientos específicos. La muestra se selecciona de manera aleatoria o estratificada y se utiliza para hacer inferencias sobre la población en su conjunto. Es una herramienta fundamental en la investigación y análisis estadístico.
La estadística, como rama de las matemáticas, se encarga de la recopilación de datos, su ordenación y análisis. Es decir, cuando queremos estudiar algún fenómeno recurrimos a la estadística. Un buen ejemplo de un fenómeno estudiado por las estadísticas es el salario medio de los ciudadanos de un país.
En este sentido, por motivos de tiempo y coste, no podemos recoger todos los datos. Esta colección de datos se llama colección de datos, o simplemente colección.
¿Por qué trabajar con muestras estadísticas?
Para explicar por qué se usa una muestra estadística en lugar de la población total, usemos el ejemplo anterior.
Supongamos que queremos estudiar algún fenómeno. En nuestro caso, este fenómeno es el salario promedio de los ciudadanos del país. La población de datos está compuesta por todos los trabajadores del país. Por supuesto, por razones de tiempo y costo, sería imposible preguntarle a cada trabajador cuál es su salario anual. Necesitaremos mucho tiempo o muchos recursos.
En este punto aparece el concepto de muestreo estadístico. En lugar de encuestar a millones de trabajadores en un país o región, simplemente recopilamos una pequeña cantidad de datos. Por ejemplo, entrevistamos a 100.000 personas. Esta tarea aún es difícil, pero pedir 100.000 personas es mucho más accesible que pedir 30 millones.
Esta pequeña cantidad de datos debe ser representativa. Es decir, debe representar adecuadamente a la población. Si las 100.000 personas por las que preguntamos se concentran en zonas ricas, obtendremos datos poco representativos. El salario medio será mucho más alto de lo que realmente es.
Características de una muestra estadística representativa
Si desea realizar una buena investigación, la calidad de la muestra estadística es fundamental. De nada sirve realizar las estadísticas más complejas con los modelos más complejos si la muestra estadística está sesgada. Es decir, si la muestra no es representativa.
A la hora de obtener una muestra representativa, existen ciertos aspectos que el investigador debe conocer con antelación. Estos aspectos incluyen las características de una muestra representativa. Las características de una muestra representativa son las siguientes:
- Tamaño suficientemente grande: Cuando trabajamos con muestras, tendemos a trabajar con menos datos que la población. Sin embargo, para que una muestra estadística sea representativa, debe ser lo suficientemente grande para ser considerada representativa. Por ejemplo, si nuestra población consta de 10 millones de puntos de datos y elegimos 10, es difícil que sea representativo. Por supuesto, cuanto más grande es la muestra, menos representativa es.
- Accidente: La selección de datos de una muestra estadística debe ser aleatoria. Es decir, debe ser completamente aleatorio. Si, en lugar de hacerlo aleatoriamente, llevamos a cabo un proceso de selección de datos planificado, introducimos un sesgo en la recopilación de datos. Por tanto, para evitar que la muestra esté sesgada y, por tanto, para que sea representativa, debemos muestrear aleatoriamente.
Tipos de muestreo estadístico
A continuación explicaremos los diferentes tipos de muestras estadísticas que existen. En primer lugar, cabe señalar que se pueden dividir en dos grandes grupos, el muestreo probabilístico y el muestreo no probabilístico:
- Muestreo probabilístico: En este tipo de muestra, todos los sujetos disponibles tienen la misma probabilidad de ser incluidos.
- Muestra aleatoria simple: Es un conjunto de variables aleatorias independientes e igualmente distribuidas derivadas de una variable aleatoria X y uniformemente distribuidas.
- Muestreo aleatorio sistemático: En este caso, la población se enumera y agrupa en grupos de 10 personas. Luego se selecciona un miembro de cada grupo para la preparación de la muestra.
- Muestreo aleatorio por conglomerados: La población ya se ha agrupado anteriormente, y los individuos se seleccionan de estos grupos para formar una muestra.
- Muestreo estratificado: En este caso, la población se divide en subgrupos o estratos en función de las variables de estratificación.
- Muestreo increíble: Con este tipo de selección por muestreo, no todos los artículos tienen la misma probabilidad de ser seleccionados, ya que esto depende del procedimiento elegido para seleccionarlos.
- Bola de nieve: En primer lugar, se seleccionan diferentes temas. A partir de ahí, estos elementos trabajan juntos para encontrar más elementos relacionados con ellos.
- Ejemplo de pago: La población se selecciona en base a ciertas características.
- Muestra discrecional: La selección de la población la realizan los investigadores en base a sus propios criterios.
- Muestra por conveniencia: Se trata de una muestra seleccionada por los propios investigadores en función de su interés o proximidad.
Inferencia estadística
Después de obtener una muestra representativa, es hora de derivar ciertos indicadores. A menudo nos interesa conocer una cierta medida de una variable. En el ejemplo original, la variable será el salario de los ciudadanos del país. En este sentido, el indicador que queremos analizar es el salario medio de los ciudadanos del país.
Es decir, tenemos un dataset de todos los trabajadores en México. De la población especificada, obtenemos una variable, es decir, un salario anual. Usando métodos apropiados, obtenemos una muestra representativa. Y finalmente, cuando tenemos un conjunto de datos con el que podemos trabajar, usamos métodos de inferencia estadística para calcular el salario promedio.
Por supuesto, una vez que tenemos un conjunto de datos, podemos generar otras métricas. Por ejemplo, cómo se distribuyen los salarios, qué porcentaje de trabajadores están por debajo de un determinado salario o qué tan grande es la brecha salarial.
Ejemplo estadístico de muestra
Digamos que queremos hacer un estudio del gasto familiar promedio en Colombia en el mes de enero. Para ello tenemos dos opciones:
- Ingresar cuentas bancarias de todas las familias en Colombia
- Pregunte a un número representativo de personas
La primera opción no es adecuada por varias razones. En primer lugar, las familias no van a divulgar sus datos y, en segundo lugar, no podemos caminar entre las familias mirando los datos. Principalmente porque la población de Colombia se acerca a los 50 millones. Por su parte, la segunda es la opción de recoger una muestra estadística.
Lo que haremos, siguiendo las características mencionadas anteriormente, es entrevistar a 100.000 familias. Esto es algo complicado, pero mucho más fácil que encuestar a 50 millones de colombianos. La diferencia es significativa. Entonces, para esta muestra de 100,000 familias, intentaremos calcular el gasto promedio del hogar en enero.
Los datos extraídos serán más o menos fiables según una serie de indicadores que se tienen en cuenta en los estudios estadísticos. Por supuesto, este tipo de métricas son más avanzadas y, por lo tanto, no las discutiremos aquí.
Otro ejemplo de una muestra estadística podría ser la opinión de los residentes de un área determinada acerca de abrir un restaurante mexicano en el área donde viven. Las variaciones de este muestreo podrían ser preguntarle a la gente en la calle si irían a este nuevo restaurante a almorzar o cenar.
Por otro lado, otra opción para nuestro grupo de amigos sería enviar un cuestionario a sus grupos de conocidos para obtener esta información. Las personas que contestaron serán la modelo.
¿Problemas o dudas? Te ayudamos
Si quieres estar al día, suscríbete a nuestra newsletter y síguenos en Instagram. Si quieres recibir soporte para cualquier duda o problema, no dude en ponerse en contacto con nosotros en info@wikieconomia.org