Please enable JavaScript.

Coggle requires JavaScript to display documents.

Métodos de muestreo y teorema central del límite - Coggle Diagram

- - - - En una población de 1000 miembros, cada miembro tendrá una probabilidad de 1/1000 de ser seleccionado para formar parte de una muestra. El muestreo probabilístico elimina el sesgo en la población y da a todos los miembros una oportunidad justa de ser incluidos en la muestra.
- - - - EJEMPLO
        
        Por ejemplo, si el gobierno de los Estados Unidos desea evaluar el número de inmigrantes que viven en su territorio, puede dividirlos en grupos basados en estados como California, Texas, Florida, Massachusetts, Colorado, Hawai, etc. Esta forma de realizar una encuesta será más efectiva ya que los resultados se organizarán por estados y proporcionarán datos de inmigración objetivos.
- - - - Por ejemplo, si tienes una población de 100 personas, cada persona tendría una probabilidad de 1 de 100 de ser seleccionado. El método de muestreo probabilístico te ofrece la mejor oportunidad de crear una muestra representativa de la población.
  - - - este método de muestreo depende en gran medida de la experiencia de los investigadores. El muestreo no probabilístico comúnmente se lleva a cabo mediante métodos de observación, y se utiliza ampliamente en la investigación cualitativa.
- - - - EJEMPLO
        
        Por ejemplo, un investigador tiene la intención de recoger una muestra sistemática de 500 personas en una población de 5000. Numera cada elemento de la población de 1 a 5.000 y elegirá a cada 10 individuos para que formen parte de la muestra (Población total/tamaño de la muestra = 5.000/500 = 10).
- - - - Por ejemplo, en una organización de 500 empleados, si el equipo de recursos humanos decide llevar a cabo actividades de creación de equipos, es muy probable que prefieran escoger fichas de un tazón. En este caso, cada uno de los 500 empleados tiene la misma oportunidad de ser seleccionado.
- - - - Los investigadores utilizan ampliamente diferentes métodos de muestreo en los estudios de mercado, de modo que no necesitan investigar a toda la población para recoger percepciones procesables.
        Hoy conoceremos las características de cada uno de estos métodos para que decidas cuál es el que necesitas llevar a cabo para que tu proyecto de investigación sea todo un éxito.
    - - Es imposible verificar de manera física todos los elementos de la población
        
        Algunas pruebas son de naturaleza destructiva
        
        Los resultados de la muestra son adecuados
- - - - EJEMPLO
        
        Tres grandes ejemplos de estos serían:
        
        Notas en un examen.
        
        Presión sanguínea.
        
        Tamaño de las piezas producidas por una máquina.
- - - - EJEMPLO
        
        Error de especificación de la población: Un error de especificación de población ocurre cuando los investigadores no saben exactamente a quién encuestar.
        Por ejemplo, imagina un estudio de investigación sobre ropa de niños. ¿Quién es la persona correcta para encuestar? Pueden ser ambos padres, sólo la madre o el niño. Los padres toman decisiones de compra, pero los niños pueden influir en su elección.
- - - - EJEMPLO
        
        la variable "tirar una moneda al aire" sigue la distribución de Bernoulli. Si lanzamos la moneda al aire 50 veces, la suma de estas 50 variables (cada una independiente entre si) se distribuye según una distribución normal.
- - - - EJEMPLO
        
        Por ejemplo, un investigador que desee analizar las características de las personas pertenecientes a diferentes divisiones de ingresos anuales creará estratos (grupos) según los ingresos anuales de la familia.
        
        Por ejemplo, menos de 20.000 dólares, 21.000 a 30.000 dólares, 31.000 a 40.000 dólares, 41.000 a 50.000 dólares, etc.
        
        Con esto, el investigador concluye las características de las personas que pertenecen a diferentes grupos de ingresos. Los comercializadores pueden analizar a qué grupos de ingresos dirigirse y a cuáles eliminar para obtener los resultados deseados.
- - - - EJEMPLO
        
        La distribución normal nos permite crear modelos de muchísimas variables y fenómenos, como por ejemplo, la estatura de los habitantes de un país, la temperatura ambiental de una ciudad, los errores de medición y muchos otros fenómenos naturales, sociales y hasta psicológicos.