Un muestreo estratificado puede desarrollarse con distintos métodos de selección de los elementos de la muestra.
El muestreo estratificado es un proceso que permite reflejar el comportamiento de una variable en una población mediante la exhibición de sus cambios en diferentes estratos. Este procedimiento requiere como primer paso, por lo tanto, segmentar la población en bloques homogéneos y exclusivos.
Una vez realizada la segmentación, se toma una muestra aleatoria de cada conjunto. Finalmente se lleva a cabo la combinación de todas las selecciones en una única gran muestra.
Es importante indicar que la idea de muestreo refiere al acto de elegir muestras representativas de las características de un conjunto. El término también alude a la elección de una porción determinada a nivel estadístico para realizar una inferencia del valor de un cierto rasgo del conjunto. Estratificado, en tanto, procede de estratificar: presentar en estratos (agrupaciones de elementos con caracteres en común).
Temas
ResumenTipos de muestreo estratificado
Dependiendo de cómo se concreta la asignación de los elementos de la muestra, es posible diferenciar entre el muestreo estratificado proporcional y el muestreo estratificado desproporcionado.
En el muestreo estratificado proporcional, la cantidad de elementos que se asigna a cada estrato guarda proporcionalidad con la representación que los estratos asumen del conjunto poblacional. Esto implica que la muestra que se extrae de cada uno de los estratos resulta proporcional al tamaño relativo del estrato en cuestión.
Hay, por lo tanto, una fracción de muestreo que se aplica a los diversos estratos, con lo cual cada elemento dispone de la misma probabilidad de ser escogido. La muestra que se obtiene, pues, es autoponderada.
En el muestreo estratificado desproporcionado, en cambio, los elementos que se incluyen en la muestra del estrato no mantienen un vínculo de proporcionalidad con su representación en el conjunto global. Por eso no se concreta la aplicación de una misma fracción de muestreo a los distintos bloques y los elementos no cuentan con las mismas probabilidades de ser seleccionados.
Cuando se conoce con anterioridad a la población, es posible seleccionar un mayor número de elementos de los estratos que tienen una variabilidad más alta. En este contexto se habla de una asignación óptima de los elementos ya que se minimiza la varianza de las estimaciones.
El muestreo estratificado favorece la realización del análisis de datos de una población.
Su desarrollo
Un muestreo aleatorio se desarrolla en una serie de pasos sucesivos. Para iniciar el procedimiento, es necesario concretar la definición de la población objetivo y luego identificar cuáles serán las variables de estratificación, que tienen que vincularse con el objetivo del estudio.
Esto lleva también a establecer la cantidad de estratos a emplearse. Se debe tener en cuenta que, a mayor cantidad de variables de estratificación, crece la chance de que haya variables que anulen los efectos de otras.
La siguiente etapa consiste en el establecimiento de un marco de muestreo que contemple la información sobre las variables de estratificación. Dicho marco debe ser evaluado para determinar si es necesario realizar ajustes, evitando así una cobertura insuficiente o excesiva (por duplicación de elementos, por ejemplo).
El trabajo continúa con la división en estratos del marco de muestreo, apelando a una maximización de las diferencias entre los estratos mientras que se minimizan las diferencias internas. Los estratos tienen que ser independientes y exclusivos y no pueden superponerse. Por otro lado, cada elemento tiene que pertenecer a un único estrato.
En esta instancia se procede a la asignación de los elementos de la muestra, que puede concretarse de acuerdo a una estratificación proporcional o una estratificación no proporcional, como ya vimos. Finalmente se debe hacer la selección aleatoria de los elementos de los distintos estratos, calculando el margen de error de las estimaciones que se realizan con los datos recolectados.
La selección al azar es clave en el muestreo estratificado.
Ejemplos de muestreo estratificado
Tomemos el caso de una investigación de mercado centrada en el consumo de cerveza en una región. Con la finalidad de lograr una muestra representativa, se puede dividir a los habitantes en grupos etarios: jóvenes de entre 18 y 29 años, adultos de entre 30 y 59 años y adultos mayores de 60 años.
Tras esta estratificación, hay que definir el tamaño de muestra de cada uno. Es posible recurrir a un muestreo estratificado proporcional, guardando proporción con su tamaño relativo en la población.
Con los estratos ya definidos, se debe proceder a la selección aleatoria de los individuos. De este modo, se concretará con una muestra representativa de la población de la región que se pretende estudiar para realizar una estimación estadística de distintos parámetros de interés.
Pensemos ahora en una revista digital que desea conocer qué tan satisfechos se encuentran sus suscriptores con la calidad de los contenidos. Este medio de comunicación cuenta con un total de 20.000 suscriptores, que pueden segmentarse en tres grupos de acuerdo al tipo de suscripción que eligieron: un estrato de 10.000 suscriptores al Plan Inicial (que brinda acceso a tres notas por día); un estrato de 7.000 suscriptores al Plan Intermedio (que permite leer cinco notas diarias) y un estrato de 3.000 suscriptores al Plan Full (sin límites de acceso a los contenidos).
Si bien cuenta con más clientes en el Plan Inicial, a la empresa le interesa sobre todo la opinión de los usuarios del Plan Full, ya que es el que tiene un precio más alto y, por lo tanto, le aporta más ingresos proporcionales.
Para realizar su análisis, elige una muestra de 200 suscriptores para realizarles preguntas. En este marco, se opta por un muestreo estratificado desproporcionado centrado en los clientes del Plan Full.
De este modo, se decide la asignación de 50 suscriptores al Plan Inicial (que constituyen el 25% de la muestra pese a que son el 50% de la población), 50 suscriptores al Plan Intermedio (25% de la muestra pero el 35% del total) y 100 suscriptores al Plan Full (la mitad de la muestra y el 15% de la población). Este método garantiza una precisión más alta en lo referente a las opiniones de los clientes que contrataron el Plan Full.
Publicado por 
