MUESTREO ALEATORIO SIMPLE
Tipo de muestreo probabilístico que se aplica al tomar una muestra en la que todos los elementos del universo tienen la misma probabilidad de ser seleccionadas.
click to edit
Desventajas
Ventajas
Todos los individuos de la población en general tienen igualdad de oportunidades de ser seleccionado.
La población es representativa, siendo el único margen de error la suerte y pasa a llamarse error de muestreo.
Es el mejor método a la hora de explicar los resultados ya que su selección es aleatoria e imparcial.
La principal ventaja de seleccionar el muestreo aleatorio simple es lo sencillo que es para armar las muestras.
Por su representatividad obtenida, se pueden realizar generalizaciones a partir de los resultados de las muestras con respecto a la población.
Es un método donde se toma de forma equitativa la selección de las muestras a partir de una población.
Esta lista debe estar debidamente elaborada, completa y actualizada.
En las poblaciones grandes es mucho más difícil disponer de todos estos datos, por lo que se recomienda usar otra técnica.
Se requiere de una lista completa de todos los miembros de la población.
Pasos para seleccionar una muestra aleatoria simple
Evalúa el marco de muestreo para la falta de cobertura
Asigna un número único a cada elemento de la trama.
Identifica un marco de muestreo actual
Determina el tamaño de la muestra.
Define la población objetivo
Selecciona al azar el número específico de elementos de la población.
SUBTIPOS
con remplazo
sin remplazo
click to edit
FORTALEZAS
DEBILIDADES
Tiende a producir muestras representativas.
Los procedimientos estadísticos necesarios para analizar errores de datos y de software de estadísticas son más fáciles.
Más fácil de entender y comunicar a otros.
Cada combinación posible de muestreo tiene igual probabilidad de ser seleccionado
Puede tener errores de muestreo más grandes y menos precisión que otros diseños de muestreo probabilístico con el mismo tamaño de la muestra
Si subgrupos de la población tienen intereses particulares no pueden ser incluidos con un número suficiente en la muestra.
No se aprovecha del conocimiento que el investigador podría tener de la población.
Si la población está muy dispersa, los costos por recolección de datos pueden ser más altos que los de otros diseños de la muestra de probabilidad.