Técnicas y Métodos de Muestreo.

La geografía, que trata de la relación hombre y medio ambiente, es esencialmente una ciencia social. Uno de los principales problemas que enfrentan los geógrafos en su búsqueda de investigación es la abundancia de datos.

De hecho, en las últimas décadas, se ha producido una "explosión de datos" en todos los ámbitos de la vida, proporcionando una enorme fuente de información valiosa en forma de datos numéricos para la cuantificación de los problemas socioeconómicos en el espacio y el tiempo.

El aumento de la cantidad de datos, aunque útil para la formulación de hipótesis y sus pruebas, ha creado los problemas del procesamiento de datos, su trazado en mapas y análisis. La tarea de los investigadores ha sido, por lo tanto, ardua, costosa y lenta.

Casi todas las ramas de la geografía, por ejemplo, la geomorfología, la climatología, la oceanografía, la pedología, la demografía, la geografía económica, agrícola e industrial, la planificación del uso del suelo urbano y rural, el transporte, los asentamientos urbanos, la geografía electoral y médica, han recurrido a datos numéricos más precisos. en sus intentos de hacer una evaluación más realista y objetiva de los fenómenos geográficos.

Además, ahora los geógrafos están cooperando cada vez más con científicos de otras disciplinas. La aplicación de técnicas estadísticas sólidas y sofisticadas a los datos geográficos, por lo tanto, se ha vuelto esencial.

'Muestreo' es una técnica útil para el procesamiento de datos. Es frecuentemente utilizado por los geógrafos en sus estudios. El muestreo de datos en sí mismo es un trabajo tedioso que requiere el mayor cuidado por parte del investigador para obtener resultados confiables.

La esencia del muestreo radica en el hecho de que un gran número de elementos (una muestra) seleccionado del grupo más grande (una muestra) puede presentar, dentro de límites específicos de probabilidad estadística, una gran cantidad de elementos, individuos o ubicaciones (población estadística). una población matriz).

De la gran población, si se realiza una selección limitada de artículos o casos, se denomina "muestra". La 'muestra' limitada es generalmente suficiente para hacer una generalización sobre toda la población. En muchos casos, el número de individuos en la población, por ejemplo, el rendimiento promedio de todas las parcelas de una región agrícola o los guijarros en una playa de mar es tan numeroso que la medición de todos ellos sería casi imposible desde un punto de vista práctico de vista.

Pero, si a través del muestreo, una selección limitada de campos para la medición de los rendimientos permitiría al observador obtener el rendimiento promedio de los campos en toda la región, de manera similar, una selección limitada de guijarros en la playa del mar será suficiente para hacer Una generalización sobre los guijarros en esa costa.

El muestreo, por lo tanto, representa un uso más eficiente de nuestra energía, lo que nos permite hacer declaraciones confiables sobre toda la población. Las encuestas de opinión pública anuncian cómo una nación pretende votar o analizar las actitudes de las personas sobre temas actuales, pero sus conclusiones se obtienen de una muestra que consta de unos pocos cientos de cuestionarios, en lugar de consultar a todos en el país. La enumeración completa de la población en la mayoría de los casos es casi impracticable.

Un muestreo apropiado en la investigación geográfica es altamente deseable ya que ahorra tiempo, esfuerzos y costos de manera apreciable y brinda resultados confiables que se pueden usar con el propósito de generalizar y pronosticar. El problema de elegir el tamaño correcto de la muestra, sin embargo, es un poco más complicado.

La regla más simple es que cuanto mayor sea el tamaño de la muestra, más probable es que proporcione una imagen confiable de la población de los padres. Como una guía adicional, se puede decir que el tamaño de la muestra debe ser de al menos 5 a 15 por ciento del total para obtener resultados satisfactorios. Sin embargo, las decisiones sobre la definición de la población de padres y la elección del mejor método de muestreo dependen en gran medida del sentido común.

Algunos de los métodos de muestreo comúnmente conocidos y de uso frecuente son: muestreo aleatorio, muestreo intencional, muestreo sistemático, muestreo estratificado y muestreo en múltiples etapas.

1. Muestreo aleatorio:

En el muestreo aleatorio, las unidades de muestra se seleccionan al azar. Una vez que se ha definido la "población de padres", cada elemento de esa población tiene las mismas posibilidades de ser incluido en cualquier muestra. En este método, se debe tener el cuidado adecuado para garantizar que las muestras se seleccionen al azar. Muchas veces una elección verdaderamente aleatoria puede no ser factible.

El investigador debe, sin embargo, perseguir el ideal de selección aleatoria lo más cerca posible. El uso de la lotería es el método más simple de tal muestreo. También se pueden tomar muestras bastante buenas mediante el uso de números de muestreo aleatorios que figuran en la Tabla 6.2.

El muestreo con la ayuda de la tabla de muestreo aleatorio puede ilustrarse citando un ejemplo. Supongamos que para el estudio del uso de la tierra agrícola de una región que tiene 400 aldeas, solo se seleccionarán al azar 15 aldeas. Para empezar, las aldeas se numerarán en serie, por ejemplo, 1, 2, 3, 4, 5 …… .. 400.

Después de organizar las aldeas en un orden en serie, se tomará una página (tabla) de la serie de muestreo aleatorio. Comenzando con cualquier figura de esa página, los dígitos que aparecen en sucesión (ya sea en filas o en columnas) se escribirán en bloques de tres para dar números de tres dígitos. Los números 001 y 002 pueden tomarse para corresponder a la aldea 1 y la aldea 2 respectivamente, y finalmente 400 corresponderán a la aldea 400.

Todos los números de tres dígitos mayores que 400 y también 000 serán ignorados. Si se repite un número que aparece antes, se tomará un nuevo número de dígitos hasta que se obtengan 15 números diferentes de tres dígitos (ninguno de los cuales debería ser 000 o mayor que 400). El siguiente ejemplo ilustrado con la ayuda de la Tabla 6.3 dejaría el punto más claro.

La tabla 6.2 se da en los valores de decenas y unidades. Primero, estas cifras se organizan en bloques de tres para dar tres números, ya que el número total de aldeas del área en estudio asciende a tres dígitos (400). Luego, se seleccionan todas las cifras que están dentro de 400, ignorando las cifras que superan las 400 y también las 000. Según dicha técnica, las 15 aldeas de muestra, tomadas con la ayuda de la Tabla 6.2, serán las siguientes: 201, 221, 162, 45, 327, 36, 174, 157, 291, 47, 239, 09, 39, 42 y 122. Organizados en un orden en serie, las aldeas elegidas como muestras serán 9, 36, 39, 42, 45, 47, 122, 157, 162, 174, 201, 221, 239 y 291, 327.

Nuevamente, si la lista completa estuviera compuesta por 10000 aldeas, se usarían las primeras cuatro columnas de la tabla de muestreo aleatorio, 0000 representando 10000. Para una selección de 15 aldeas en este caso, la primera muestra sería la numerada 2017 ( consulte la Tabla 6.2) en la lista completa, el siguiente sería el número 7449 y así sucesivamente, hasta que se seleccione la lista completa de 15 aldeas.

En este caso, las cifras que excedan 10000 y 0000 se ignorarán al hacer la selección. La tabla de muestreo aleatorio facilita el trabajo de los investigadores. La principal ventaja de la técnica de muestreo aleatorio reside en el hecho de que es imparcial, más objetiva y representativa de todo el libro de datos.

2. Muestreo intencional:

En la técnica de muestreo intencional, las muestras se seleccionan con un propósito definido a la vista. Por ejemplo, si se determina el nivel de nutrición de la población rural de una región o país, que tiene hábitos alimentarios vegetarianos, solo se tomarán como muestras para el estudio las familias vegetarianas que comen alimentos.

De manera similar, si se va a estudiar el cambio en el nivel de vida de los trabajadores agrícolas y agricultores de una unidad de área componente durante un período específico de tiempo, las muestras se tomarán de las categorías respectivas, ignorando al resto de la población. Esta técnica de muestreo adolece del inconveniente del favoritismo y no proporciona una muestra representativa de la población.

3. Muestreo sistemático:

En este método, se realiza un patrón regular de selección en lugar de elegir a cada individuo por separado. Este método también se conoce como cuasialeatorio. Por ejemplo, si se va a realizar un estudio de combinación de cultivos en 2000 aldeas de una unidad de área y se seleccionarán 20 aldeas de muestra, las aldeas deben recibir un pedido en serie, desde el 1 hasta el 2000.

Después de organizar los pueblos en serie, se elige cada centésimo pueblo de la lista. Las aldeas de muestra requeridas serán alcanzadas rápidamente. Si se usa con sensatez, el muestreo sistemático a menudo puede ser más conveniente que el verdadero muestreo aleatorio y puede ser igualmente efectivo. Sin embargo, este método, aunque es útil para hacer muestreos rápidos y efectivos, sufre el revés de la subjetividad, ya que cada aldea del área no tiene las mismas posibilidades de ser incluida en la muestra.

4. Muestreo estratificado:

Cuando la población es heterogénea con respecto a las variables en estudio y puede dividirse en grupos y subgrupos relativamente homogéneos, se puede adoptar una técnica de muestreo estratificado. Este tipo de muestreo se aplica principalmente cuando hay grupos significativos de tamaño conocido dentro de la "población matriz" y es deseable asegurarse de que cada subgrupo esté bastante representado dentro de la muestra total. Por ejemplo, supongamos que la población de una aldea es 10000 y sobre la base de las variables de ingresos, es divisible en 10 grupos, luego se tomará una muestra aleatoria para cada uno de los subgrupos que representan los ingresos del grupo respectivo.

La principal ventaja del muestreo estratificado reside en el hecho de que puede administrarse fácilmente y cada estrato está representado en la muestra (lo que puede no ser el caso en el muestreo aleatorio y intencional), de modo que, si es necesario, se pueden tener estimaciones separadas. Por estrato significa. El muestreo aleatorio estratificado es ampliamente utilizado en investigaciones geográficas agrícolas, industriales y aplicadas.

5. Muestreo de múltiples etapas:

Cuando la unidad de muestreo requerida se alcanza a través de etapas, se llama muestreo de múltiples etapas. Por ejemplo, si se seleccionan 1000 familias para una tenencia de la tierra o un estudio socioeconómico de una meso o macro región, esto se puede hacer a través de un muestreo de múltiples etapas, es decir, seleccionando primero un número de aldeas de la unidad de área al azar, y luego seleccionando un número de familias de cada uno de los pueblos seleccionados.

Este método de muestreo es particularmente útil para poblaciones que cubren áreas extensas para las cuales una lista de individuos no está fácilmente disponible o no se puede construir fácilmente. El método en general es más barato pero menos preciso en comparación con el correspondiente del muestreo de una sola etapa.

Las técnicas estadísticas de muestreo descritas anteriormente son de gran utilidad para los investigadores, que se ocupan de los problemas socioeconómicos de la sociedad y también para quienes trabajan en los campos de la evolución de las formas terrestres, la climatología, la hidrosfera, etc.

La aplicación de técnicas de muestreo en investigaciones geográficas facilita la tarea de los investigadores, ya que ahorran tiempo, esfuerzos y costos de manera apreciable y dan resultados bastante confiables. En geografía, en la cual la teoría de grafos, la correlación, la topología y la transformación se encuentran en la etapa emergente, las técnicas de muestreo tienen un papel importante en la formulación de hipótesis, toma de decisiones, simulación y pronóstico.


Recomendado

Notas de estudio sobre la organización | administración
2019
Capital de trabajo desde el punto de vista del tiempo (con diagrama)
2019
¿Cuáles son las limitaciones de los gráficos en el análisis técnico?
2019