Muestreo Aleatorio Simple
El muestreo aleatorio simple es un tipo de muestreo que consiste en selecciona un subconjunto aleatorio de individuos de la población objetivo para representar a todo el grupo cumpliendo dos propiedades fundamentales, todos los individuos de la población tienen la misma probabilidad de ser elegidos y todas las muestras del mismo tamaño son igualmente probables, desde un punto de vista matemático, el meustreo aleatorio simple se realiza suponiendo que la población tiene infinitos elementos, en la practica suele ocurrir que las poblaciones a considerar tienen un numero muy grande de elementos, existen dos tipos también que son los siguientes: Probabilístico No Probabilístico
Muestreo Aleatorio Simple Probabilístico: El muestreo probabilístico es un método de muestreo que utiliza formas de métodos de selección aleatoria, su requisito mas importante es que todos en una población tengan la misma oportunidad de ser seleccionados por ejemplo si tienes una población de 200 personas cada persona tiene el 0.5% de ser seleccionado, el muestreo probabilístico te ofrece la mejor oportunidad de crear una muestra representativa de la población
Muestreo Aleatorio Simple No Probabilístico: Por otro lado el muestreo no probabilístico es una técnica en la cual el investigador selecciona muestras basadas en un juicio subjetivo en lugar de hacer la selección al azar, a diferencia del muestreo probabilístico aquí no todos los miembros de la población tienen la oportunidad de participar en el estudio, este muestreo es más útil para estudios exploratorios como la encuesta piloto.
library(dplyr) library(sampling)
set.seed(“11”) BASED muestra_aleatoria <- slice_sample(.data=BASED, n=7, replace=FALSE) muestra_aleatoria
Con la formula anterior se pudo sacar una muestra de 7 alumnos aleatoria
edad peso prom_notas cb_alimentacion sexo
1 12 37 17 5 femenino 2 11 35 14 4 femenino 3 16 50 16 3 masculino 4 17
40 19 4 femenino 5 17 43 13 2 masculino 6 17 40 14 3 femenino 7 18 50 13
1 femenino
library(samplingbook)
Muestreo para una proporción con N conocida y N desconocida
ahora se desea determinar el tamaño de muestra con los siguientes datos con NC del 97%, un error del 3% z= 2.08, n=600 60.5% de la prueba piloto son de genero masculino p=0.605 1-p = q 0.395
muest.propor <- sample.size.prop muest.propor(e= 0.03, P= 0.605, level= 0.97, N= 600) Sample size needed: 406 ALUMNOS
lo mismo se puede aplicar para un ejercicio con N desconocida Se desea determinar el tamaño de muestra con los siguientes datos NC: 95%, un error del 5% z =1.96, N= desconocido 0.395% de la prueba piloto son de genero femenino p=0.395 q=0.605
mest.prop.sinn <- sample.size.prop mest.prop.sinn(e= 0.05, P= 0.395, level= 0.95) Sample size needed: 368 ALUMNOS
Muestreo para estimación de medias
el director del colegio desea conocer el promedio de notas de los alumnos se tiene una desviación estandar de 2.7372 cual seria el tamaño de muestra a considerar , si quiere obtener un resultado con un nivel de confianza del 96% y e: 0.04
muest.media <- sample.size.mean muest.media(e=0.04, S=2.7372, level=0.96) Sample size needed: 19751 ALUMNOS
Cual seria el tamaño de muestra adecuado para conocer el promedio de edades de los estudiantes si se sabe que NC:90%, la desviacion es de 2.7771, y un e:0.10 y se sabe que su N es 44
muest.conn <- sample.size.mean muest.conn(e=0.10, S=2.7771, level=0.90, N=600) Sample size needed: 467 ALUMNOS