Cuadro comparativo (pros y contras) entre muestreo probabilístico y no probabilístico.

Cuadro comparativo
Tipo de muestreo Pros Contras
Probabilístico Es la mejor forma de asegurar la validez del muestreo aleatorizando. Toda la población tiene la misma probabilidad de hacer parte de la muestra No garantiza que se represente la población de la investigación.
No probabilístico No interviene el azar, ni las probabilidades de la población para hacer el muestreo Se usa para investigación exploratoria donde no se proyectan resultados. No asegura una muestra representativa.

Tipo de muestreo para mi proyecto.

Hay tres tipos de muestreo (aleatorio simple, estratficado, sistemático y en etapas múltiples)

Aleatorio simple: El total de la población tiene la misma probabilidad de ser escogido para conformar el muestreo. Esto se hace enumerando la población y escogiendo numeros aleatorios para determinar quienes serian parte del muestreo. Este muestreo es facil de comprender y sencillo, normalmente es hacer la elección de la muestra por medio de selección por azar de un número de individuos.

Estratificado: Asegura la representatividad de la población y asegura estimaciones precisas. Esto se hace dividiendo en estratos la población y eleigiendo una muestral azar de cada estrato.

Sistematico: Es facil de aplicar sobre todo cuando la población esta ordena y cubre todo tipo de unidad. Requiere listado completo de población.

Etapas multiples: Sirve para las muestras de gran tamaño y que sean dispersas, sin embargo, tiene un error estándar que complica los resultados.

El método de muestreo que mas se ajusta a nuestra investigación es el muestreo aleatorio simple ya que nos permite darle la misma probabilidad a toda la población de ser elegida para hacer la evaluación de interés, además permite un analisís rapido de los resultados. Sin embargo, nuestra población es pequeña y puede que no se represente bien la población por medio de esta técnica.

Es por esto que ponemos en consideración el muestreo estratificado para asegurar la representatividad de la población porque se puede aplicar el muestreo a cada tratamiento y en este caso conocemos la distribución de la población.

Cálculo del N muestreal

 Porcentaje de resultado que se investiga (p = 100 – q)

 Coeficiente de confianza (\(P_z\))

 Error de muestreo (E%)

 Error de estimación (e%)

 Nivel de significación (\(P_a\))

 Intervalo de confianza (\(\mp z * E%\))

 Universos finitos ( N \(\leq\) 100.000) o infinitos (N > 100.000)

Ejemplo:

Muestrearon 91 gallinas para evaluar la prevalencia d ela enfermedad y consiguieron que 35 gallinas mostraron los signos de la enfermedad, es decir, la prevalencia estimada es:

\[p\hat{r}e< {-100*35\over 91}=38.46\]

Interprete la ecuación de intervalo de confianza para la prevalencia ¿Cúal es su muestreo en un 95% de confianza?

\[prob\begin{pmatrix}\hat{p}-z\sqrt{{p(1-p)\over n}}(1-{n\over N})<prev<\hat{p}+z\sqrt{{p(1-p)\over n}}(1-{n\over N})\end{pmatrix}=0.95\]

Determinar un intervalo de confianza del 80% para la prevalencia de la enfermedad % = 18.

Ejemplo

## [[1]]
## [1] 0.1333032
## 
## [[2]]
## [1] 0.2266968

Muestreo estratificado no espacial

Proporción de productores de papa que hacen un manejo adecuado de los residuos asociados al cultivo y envases de productos utilizados. Estrato productores

  1. Propietarios 80
  2. Medianeros 40
  3. Arrendatarios 120 total 240

Estimación del tamaño de muestra necesario para responder a la pregunta de investigación ¿Cuál podría ser un manejo adecuado de los residuos?

Interprete la fórmula

\[n ={\sum_{i=1}^3 {N_i^2}Pi(1-Pi)/w_i\over \sum_{i=1}^3 {N_i^2}Pi(1-Pi)+({Ne\over z})^2}\]

Pista:

\[n_1 = 80; N_2=40;N_3=120;e=0.05;z=1.95;N=240\]

Estrato Población Proporción(p) Peso(w)
1 80 0.5 033
2 40 0.5 0.17
3 120 0.5 0.50

Determine el n muestral para este tipo de muestreo.

## [1] 49 25 74