7 Conceptos fundamentales relativos al muestreo.

Los siete conceptos fundamentales relacionados con el muestreo son los siguientes: 1. Universo / Población 2. Marco de muestreo 3. Diseño de muestreo 4. Estadística (s) y Parámetro (s) 5. Error de muestreo 6. Precisión 7. Nivel de confianza y nivel de significación.

1. Universo / Población:

Desde un punto de vista estadístico, el término 'universo' se refiere al total de los elementos o unidades en cualquier campo de investigación, mientras que el término 'población' se refiere al total de elementos sobre los cuales se desea información. Los atributos que son objeto de estudio se denominan características y las unidades que los poseen se denominan unidades elementales.

El agregado de tales unidades se describe generalmente como población. Por lo tanto, todas las unidades en cualquier campo de investigación constituyen el universo y todas las unidades elementales (sobre la base de una característica o más) constituyen una población. Muy a menudo, no encontramos ninguna diferencia entre la población y el universo, y como tal, los dos términos se consideran intercambiables. Sin embargo, un investigador debe necesariamente definir estos términos con precisión.

La población o universo puede ser finito o infinito. Se dice que la población es finita si consta de un número fijo de elementos para que sea posible enumerarla en su totalidad. Por ejemplo, la población de una ciudad, el número de hogares en una aldea, el número de trabajadores en una fábrica y el número de estudiantes en una universidad son ejemplos de población finita. El símbolo 'N' se usa generalmente para indicar cuántos elementos (o elementos) hay en el caso de una población finita.

Una población infinita es aquella población en la que teóricamente es imposible observar todos los elementos. Por lo tanto, en una población infinita, el número de elementos es infinito, es decir, no podemos tener ninguna idea sobre el número total de elementos.

Por ejemplo, la cantidad de estrellas en el cielo, las partículas de arena en una playa del mar y las piedras en el lecho de un río. Desde una consideración práctica, el término 'población infinita' se usa para una población que no se puede enumerar en un período de tiempo razonable. De esta manera, utilizamos el concepto teórico de población infinita como una aproximación de una población finita muy grande.

2. Marco de muestreo:

Las unidades elementales o el grupo de agrupaciones de dichas unidades pueden formar la base del proceso de muestreo, en cuyo caso se denominan unidades de muestreo. Una lista que contiene todas estas unidades de muestreo se conoce como marco de muestreo. El marco de muestreo consiste en una lista de elementos a partir de los cuales se extraerá la muestra. Por ejemplo, uno puede usar el directorio telefónico como marco para realizar una encuesta de opinión en una ciudad. Cualquiera que sea el marco, debe ser un buen representante de la población.

3. Diseño de muestreo:

Un diseño de muestra es un plan definido para obtener una muestra del marco de muestreo. Se refiere a la técnica o al procedimiento que el investigador adoptaría al seleccionar algunas unidades de muestreo de las cuales se extraen inferencias de la población. El diseño del muestreo se determina antes de que se recopilen los datos.

4. Estadística (s) y Parámetro (s):

Una estadística es una característica de una muestra, mientras que un parámetro es una característica de una población. Por lo tanto, cuando elaboramos ciertas medidas, como la media, la mediana, el modo, etc., a partir de muestras, se denominan estadísticas porque describen las características de una muestra. Pero cuando tales medidas describen las características de una población, se conocen como parámetros. Por ejemplo, las medias poblacionales (μ) son un parámetro, mientras que las medias muestrales (X) son estadísticas. Obtener la estimación de un parámetro a partir de una estadística constituye el objetivo principal del análisis de muestreo.

5. Error de muestreo:

La encuesta de muestreo implica el estudio de una pequeña porción de la población y, como tal, naturalmente habría una cierta cantidad de inexactitud en la información recopilada. Esta inexactitud puede denominarse error de muestreo o varianza del error. En otras palabras, los errores de muestreo son aquellos errores que surgen a causa del muestreo y generalmente son variaciones aleatorias (en el caso de un muestreo aleatorio) en las estimaciones de la muestra en torno a los valores reales de la población. Se puede describir numéricamente como en:

Error de muestreo = error de trama + error de posibilidad + error de respuesta.

6. Precisión:

La precisión es un rango dentro del cual el promedio de la población (u otros parámetros) estará de acuerdo con la confiabilidad especificada en el nivel de confianza como un porcentaje de la estimación ± o como una cantidad numérica. Por ejemplo, si la estimación es Rs. 4000 y la precisión deseada es de ± 4 por ciento, entonces el valor verdadero no será menor que Rs. 3840 y no más de Rs. 4160. Este es el rango (Rs. 3840 a Rs. 4160) dentro del cual debe estar la respuesta verdadera. Pero si deseamos que la estimación no se desvíe del valor real en más de Rs. 200 en cualquier dirección, en ese caso el rango sería Rs. 3800 a Rs. 4200.

7. Nivel de confianza y nivel de significancia:

El nivel de confianza o confiabilidad es el porcentaje esperado de veces que el valor real estará dentro del límite de precisión establecido. Por lo tanto, si tomamos un nivel de confianza del 95%, queremos decir que hay 95 posibilidades en 100 (o .95 en 1) de que los resultados de la muestra representan la verdadera condición de la población dentro de un rango de precisión específico contra cinco oportunidades en 100 (o .05 en 1) que no lo hace.

La precisión es el rango dentro del cual la respuesta puede variar y aún ser aceptable; el nivel de confianza indica la probabilidad de que la respuesta caiga dentro de ese rango, y el nivel de significación indica la probabilidad de que la respuesta caiga fuera de ese rango. Puede recordarse que si el nivel de confianza es del 95%, entonces el nivel de significación será (100-95), es decir, el 5%, si el nivel de confianza es del 99%, el nivel de significación es (100-99). ), es decir, 1 por ciento, y así sucesivamente.