Muestra óptima: definición y factores
Después de leer este artículo, aprenderá acerca de la definición y los factores que influyen en la muestra óptima para un estudio.
Definición de una muestra óptima:
Una muestra óptima para un estudio puede definirse como aquella muestra que cumple con los requisitos de eficiencia, representatividad, fiabilidad y flexibilidad. Es decir, la muestra debe ser lo suficientemente pequeña como para evitar gastos innecesarios y lo suficientemente grande como para ayudar al investigador a evitar el error de muestra más allá del límite de la tolerancia.
Debe ser lo suficientemente grande como para producir resultados estadísticamente representativos e importantes en todas las tabulaciones de cualquier importación, pero no tiene que ser tan grande como para generar un desperdicio de fondos, retrasar el proyecto y lograr una precisión innecesariamente alta. La muestra debe producir las estimaciones deseadas con el nivel requerido de confiabilidad a un costo mínimo.
Debe recordarse que, en la práctica, el muestreo eficiente implica aprovechar al máximo los recursos disponibles en términos de técnica y organización de datos estadísticos y ajustar, lo mejor posible, a las limitaciones de tiempo, fondos y personal, originalmente impuestas en el estudio.
Además, en algunos casos debería ser posible ampliar o contraer el tamaño de la muestra para cumplir con las exigencias imprevistas que surgen en el curso del estudio. En ciertas situaciones, la confiabilidad y la eficiencia pueden mejorarse al efectuar los cambios deseados en el tamaño de la muestra.
En el nivel de la práctica, estos ideales se pueden acercar pero rara vez se realizan y, por lo tanto, no se puede esperar que se elija el tamaño de muestra correcto.
Factores que influyen en la muestra óptima:
La elección del tamaño de la muestra para un estudio dado se ve afectada por varios factores. Estos factores están interrelacionados y varían mucho en diferentes estudios con respecto a su importancia relativa para determinar el tamaño de la muestra.
(1) La naturaleza de la población (homogénea-heterogénea):
El tamaño de la muestra en un estudio dependerá del grado de homogeneidad de la población. Cuanto más homogénea sea la población, menos los casos requeridos para obtener una muestra confiable de la misma y, a la inversa, más heterogénea será la población más los casos requeridos para constituir una muestra confiable de la misma.
El tamaño de la muestra requerida para un estudio satisfactorio de una población heterogénea puede reducirse clasificando la población en estratos. Algunos de estos estratos serán más homogéneos y otros menos. Los estratos más homogéneos se pueden representar mediante muestras más pequeñas que las relativamente heterogéneas.
Esto es así porque cuanto más homogéneo es un estrato, mejor puede representarlo una muestra aleatoria de un tamaño dado, es decir, más semejantes serán los casos en la muestra, por lo tanto, menos variable su media.
(2) Complejidad de la tabulación:
Al tomar una decisión sobre el tamaño de la muestra, también se debe tener en cuenta el número de categorías y clases en las que se deben agrupar y analizar los resultados. Cuanto mayor sea el número de categorías, mayor será la muestra total necesaria para obtener mediciones estadísticas confiables de ellas.
Aunque una muestra puede parecer bastante adecuada para la tabulación principal, es probable que el número disminuya rápidamente cuando se preparan tabulaciones detalladas.
Por ejemplo, una muestra de 1, 000 estudiantes puede parecer un número adecuado para una encuesta diseñada para determinar la proporción de estudiantes que favorecen la coeducación. Digamos que solo un 25% está a favor (250 estudiantes).
Si el investigador quisiera ir más allá y conocer el tipo de estudiantes que favorecían la coeducación, ¿tendría que clasificar más a estos encuestados en las dimensiones como, si tenían una experiencia previa de la institución coeducacional? ¿De qué clase social provienen? ¿Qué tipo de antecedentes familiares tienen? ¿Cuál fue la naturaleza de su experiencia (si alguna) de la institución coeducacional? Y así.
De este modo, el investigador puede finalmente encontrar solo 10 o 15 casos de un tipo en particular (es decir, sin experiencia previa de coeducación, clase media, antecedentes familiares ortodoxos, etc.). Dicha muestra solo puede proporcionar una base muy débil para llegar a conclusiones significativas y generalizables sobre la relación entre las variables.
El tamaño de la muestra elegida debe ser lo suficientemente grande como para dar mediciones confiables de las categorías importantes más pequeñas. Cuando los datos se dividen en subclases cada vez más pequeñas, el número de casos que caen en varias celdas pronto se vuelve tan pequeño que es probable que las medidas estadísticas calculadas a partir de las entradas de celdas no sean confiables.
Por lo tanto, la intensidad de la tabulación es un factor que tiene importancia para la decisión relacionada con el tamaño de la muestra.
(3) Problemas relacionados con la recopilación de datos:
Por lo general, el tamaño de la muestra debe mantenerse dentro del límite numérico de casos que se pueden asegurar con fondos y tiempo dados. El volumen de datos se ve afectado por la longitud del cuestionario / calendario, el número de trabajadores de campo, la dispersión o concentración de casos en un área geográfica, la tasa de rechazo, las pérdidas de casos, el tipo de muestreo empleado y, por último, El método de recolección de datos.
El costo de transporte involucrado en ir de una dirección a otra y en las devoluciones de llamada (segunda o tercera llamada) debe considerarse al decidir el tamaño de la muestra. Al planificar el tamaño de la muestra, el investigador siempre debe anticipar que puede fallar en la recopilación del número asignado para el interrogatorio.
Las personas migran, mueren, no pueden dar información debido a una enfermedad, irse de vacaciones o por negocios, no pueden ser localizadas, se niegan a responder, las direcciones se muestran incorrectas, etc.
Es una buena política planificar para obtener información de cada caso en la muestra si es humanamente posible. Esto significa que se requerirá mucho más tiempo del que se requeriría si solo se obtuvieran casos accesibles y de cooperación. Sin embargo, es mejor tener una muestra más pequeña sin sesgo que una muestra grande que probablemente no sea representativa del universo por razones de sesgo.
(4) Tipo de muestreo:
Generalmente, una muestra más pequeña será suficiente cuando se emplee la estratificación. Esto se debe a que el efecto de la estratificación es resolver la totalidad relativamente heterogénea en varias submuestras individualmente homogéneas. Cuanto más heterogénea es la población, mayor es la economía de casos posible a través de la estratificación.
En el muestreo conocido como muestreo doble, el investigador combina una muestra aleatoria grande (para la recopilación de algunos elementos básicos de información) con una muestra controlada o estratificada muy pequeña (de la cual se obtiene información detallada o complicada).
El requisito aquí es que el tamaño de la muestra aleatoria debe ser lo suficientemente grande como para producir ponderaciones confiables para los distintos estratos. La propia muestra estratificada investiga menos casos en comparación con la muestra aleatoria simple porque la muestra en cada estrato debe ser representativa de ese estrato y no del "universo".
Un factor importante para determinar el número necesario de casos es el tamaño de las unidades de muestreo. De hecho, cuanto mayor sea la unidad de muestreo, mayor será el número de casos que se necesitarán para la tabulación individual.
