4 tipos de técnicas de muestreo aleatorio explicadas

"¿Por qué debería preocuparme por el muestreo aleatorio?"

Este es el motivo: si es un científico de datos y quiere desarrollar modelos, necesita datos. Y si necesita datos, alguien necesita recopilar esos datos. Y si alguien está recopilando datos, debe asegurarse de que no esté sesgado o será extremadamente costoso.a la larga.

Por lo tanto, si desea recopilar datos imparcialesdatos, entonces necesita saber sobre el muestreo aleatorio.

Más de Terence Shin10 Conceptos avanzados de SQL que debe conocer para las entrevistas de ciencia de datos

El muestreo aleatorio simplemente describe un estado en el que todos los elementos de una población tienen la misma posibilidad de ser elegidos para la muestra. Suena simple, ¿verdad? Bueno, es mucho más fácil decirlo que hacerlo porque debe considerar mucha logística para minimizar el sesgo. Estos cuatro tipos de técnicas de muestreo aleatorio le permitirán hacer precisamente eso.

El muestreo aleatorio simple requiere el uso de números generados aleatoriamente para elegir una muestra. Más específicamente, requiere inicialmente un marco de muestreo, que es una lista o base de datos de todos los miembros de una población. A continuación, puede generar aleatoriamente un número para cada elemento, utilizando Excel, por ejemplo, y tomar el primer número n de muestras que necesite.

Para dar un ejemplo, imagina que la tabla de la derecha es tu marco de muestreo. Usando un software como Excel, puede generar números aleatorios para cada elemento en el marco de muestreo. Si necesita un tamaño de muestra de tres, entonces tomaría las muestras con los números aleatorios del uno al tres.

El muestreo aleatorio estratificado implica dividir una población en grupos con atributos similares y muestrear aleatoriamente cada grupo.

Este método asegura que los diferentes segmentos de una población estén igualmente representados. Para dar un ejemplo, imagine que se realiza una encuesta en una escuela para determinar la satisfacción general. Aquí, el muestreo aleatorio estratificado puede representar igualmente las opiniones de los estudiantes en cada departamento.

El muestreo por conglomerados comienza dividiendo una población en grupos o conglomerados. Lo que lo diferencia del muestreo estratificado es que cada conglomerado debe ser representativo de la población más grande. Luego, selecciona al azar grupos completos para muestrear.

Por ejemplo, si una escuela tuviera cinco clases diferentes de octavo grado, el muestreo aleatorio por conglomerados significa que cualquier clase serviría como muestra.

Muestreo aleatorio sistemático es una técnica común en la que se muestrea cada k-ésimo elemento. Por ejemplo, si estuviera realizando encuestas en un centro comercial, podría encuestar a cada 100 personas que entran.

Si tiene un marco de muestreo, entonces dividiría el tamaño del marco, N, por el tamaño de muestra deseado, n, para obtener el número índice, k. Luego elegiría cada k-ésimo elemento en el marco para crear su muestra.

Usando los mismos gráficos del primer ejemplo, si quisiéramos un tamaño de muestra de dos esta vez, entonces tomaríamos cada tercera fila en el marco de muestreo.

Más en Data ScienceCómo crear un motor de búsqueda con Python y Laravel

Ahora debería comprender qué es el muestreo aleatorio y varias técnicas comunes para realizarlo. Dominar este concepto es extremadamente importante para minimizar el sesgo y crear mejores modelos.