Probabilidad y muestreo no probabilístico

Después de leer este artículo, aprenderá acerca de las combinaciones de muestreo probabilístico y no probabilístico.

Si el muestreo se lleva a cabo en una serie de etapas, es posible combinar los principios de probabilidad y no probabilidad en un diseño de muestreo. Una o más etapas de muestreo se pueden llevar a cabo según el principio de probabilidad y las etapas restantes según el principio de no probabilidad.

Para tomar un ejemplo, el investigador puede comenzar por la selección de conglomerados usando una estrategia de muestreo por grupo (probabilidad) pero, en la etapa final, puede seleccionar clases de elementos como muestras de cuotas.

Por lo tanto, la muestra puede seleccionar una muestra probabilística de distritos en un estado; dentro de cada uno de estos distritos, puede elegir una muestra probabilística de bloques de desarrollo y, finalmente, dentro de cada bloque, puede seleccionar muestras de cuota controladas para las etapas de desarrollo de la comunidad, es decir, I, II, III, etc.

La ventaja de tal diseño es que las principales economías de muestreo de cuotas se producen al obtener los casos particulares para la muestra. Es relativamente menos costoso seleccionarlo recurriendo al principio de probabilidad, áreas dentro de las cuales se llevará a cabo la etapa final del muestreo.

Hay algunas pruebas que demuestran que las muestras de cuota tomadas en áreas seleccionadas tienen más éxito en el control de ciertas variables que en el caso en que el control de estas variables depende de los juicios de los entrevistadores u observadores. La combinación de procedimientos de probabilidad y no probabilidad en ciertos casos puede implicar una estrategia opuesta.

El investigador puede tomar una muestra probabilística de elementos dentro de una muestra no probabilística de áreas; Las áreas son seleccionadas como una muestra intencional o de juicio. Los distritos (en el ejemplo anterior) pueden seleccionarse sobre la base de que han sido particularmente exitosos para alcanzar los objetivos de desarrollo (o al revés) y de cada uno de estos, el muestreador selecciona una muestra de probabilidad de los bloques de desarrollo.

Los distritos típicos seleccionados a propósito pueden considerarse como la definición de una población. Si un muestreo probabilístico es completamente aplicable y, por lo tanto, se puede estimar el grado de confianza que se puede tener en el supuesto de que los hallazgos de la muestra son una buena representación de los rendimientos de la "población".

Luego, el investigador puede generalizar las inferencias basadas en esta subpoblación restringida a la población nacional, bajo el supuesto de que los distritos típicos aún son típicos de sus respectivas etapas. Siempre y en la medida en que este supuesto sea válido.

Discutamos ahora con cierto detalle las aplicaciones especiales del muestreo no probabilístico. Se sugirió anteriormente que las principales ventajas de los procedimientos de muestreo no probabilístico son la conveniencia y la economía. Los investigadores continúan utilizando métodos de muestreo no probabilístico y justifican su uso por motivos de experiencia práctica, conveniencia y facilidad.

Por supuesto, pueden, al mismo tiempo, conceder la superioridad teórica del muestreo probabilístico. Sin embargo, muchos muestreadores prácticos argumentan que, en muchos casos, la superioridad del muestreo probabilístico es solo "en el papel" o "nocional". Señalan que muchas veces, la forma en que se implementan realmente los planes de muestreo probabilístico, las ventajas teóricas del muestreo probabilístico se anulan casi por completo.

Puede haber muchos resbalones en la realización del plan de muestreo probabilístico. Por ejemplo, algunos de los casos seleccionados en la muestra pueden negarse a ser entrevistados o no estar disponibles, los entrevistadores pueden omitir algunas de las preguntas en el proceso de la entrevista, los compromisos pueden efectuarse al permitir que los entrevistadores sustituyan a otros encuestados cuando los casos seleccionados originalmente No se encuentran en casa y así sucesivamente.

La muestra realmente entrevistada, por lo tanto, puede no ser una muestra probabilística del universo en el sentido estricto del término.

Además, existen circunstancias en las que el muestreo probabilístico es innecesario o inapropiado. Por ejemplo, en los estudios exploratorios, el objetivo del investigador es obtener ideas, nuevas perspectivas y evaluaciones críticas experimentadas solo para ayudarlo a plantear un problema o una hipótesis de investigación.

El investigador que realiza dichos estudios no realiza los estudios de muestras con el fin de poder generalizar a las poblaciones que se están muestreando. Por lo tanto, selecciona una muestra intencional.

Los encuestados son seleccionados precisamente debido a su experiencia especial, exposiciones y competencia, los investigadores del mercado están contentos con muestras accidentales o intencionadas, que se seleccionan de tal manera que se maximice la probabilidad de diferencia entre los elementos de la muestra.

Pueden estar buscando ideas para transmitir, por ejemplo, a las personas a cargo de la publicidad de los productos en lugar de presentar estimaciones correctas de la distribución de la población.

A veces no hay otra salida que recurrir al muestreo no probabilístico. Si uno está tratando de descubrir algo, por ejemplo, sobre las experiencias de las personas que tuvieron que irse, por ejemplo, Sri Lanka, debido a ciertos desarrollos políticos, no tiene otra opción realista sino confiar en los informantes que están disponibles, aquí y ahora.

Por supuesto, la elección del investigador aquí es entre datos que no permiten una evaluación estadística del margen de error, etc. y ningún dato. Esto no significa, por supuesto, que a uno no le preocupa la posibilidad de error; es solo que él confía en la consistencia interna de los datos y en su coherencia con otra información que podría haber obtenido.

Debemos recordar que hay muchas consideraciones importantes en la investigación, además del diseño de muestreo. Por lo tanto, puede ser necesario equilibrar una consideración contra otra. A veces, la sabiduría radica en un diseño de muestreo mejor y más preciso que se renuncia a favor de un método más sensible de recopilación de datos.

Es en este sentido que debemos entender por qué el uso del muestreo no probabilístico en ocasiones puede estar justificado. Por supuesto, la decisión de si sería mejor recopilar información más adecuada o más profunda basada en una muestra no muy sólida o una información menos adecuada basada en una muestra más sólida, no es de ninguna manera fácil de obtener.

Es en términos del propósito de investigación que el investigador puede tomar tal decisión.

Por ejemplo, en un estudio de factores relacionados con el uso de estupefacientes por parte de niños en pandillas callejeras juveniles, Chein and Associates (1957) utilizó una muestra de trabajadores de grupos sociales que habían pasado bastante tiempo ganándose la confianza de pandilleros.

Esta muestra fue una muestra accidental de trabajadores grupales y, dado que solo podían dar información sobre los pandilleros con los que habían trabajado, la muestra de los pandilleros sobre los cuales se podía obtener información también fue una muestra accidental.

Pero considerando la facilidad con la que se podía obtener información más confiable sobre la pandilla de estos trabajadores grupales, los investigadores prefirieron una muestra accidental (no probabilística) a una muestra probabilística de miembros de pandillas (suponiendo que era posible obtener dicha muestra probabilística) .

Por lo tanto, en su sabiduría científica, el investigador debe sopesar cuidadosamente las ganancias y responsabilidades de varios procedimientos de investigación. Él puede, bajo ciertas circunstancias, sacrificar el principio de probabilidad en su procedimiento de muestreo para obtener una comprensión más profunda a través de instrumentos más sensibles y confiables para obtener información.