Actualizado por ultima vez el 31 de mayo de 2022, por Luis Benites.
¿Qué es una Muestra Representativa?
¿Su muestra coincide con la población?
Una muestra representativa es aquella en la que su muestra coincide con alguna característica de su población , generalmente la característica a la que se dirige con su investigación. Por ejemplo, si está realizando una encuesta sobre cómo se compara la experiencia de las mujeres como científica de datos con la de los hombres, querrá que su muestra refleje el porcentaje de mujeres en la fuerza laboral de ciencia de datos.
Muestras no representativas
El propósito del muestreo es obtener una estadística que le diga algo sobre una población. Una estadística es representativa si representa los atributos de un parámetro conocido en la población. Cuando la estadística no representa el parámetro de la población, se denomina no representativa . El tipo de sesgo que ocurre en las estadísticas cuando hay una muestra no representativa se llama sesgo de selección .
Representante no significa replicación
Incluso si la muestra está etiquetada como «representativa», no significa que todos los aspectos de la población estén incluidos. Por ejemplo, en el muestreo por cuotas , mantiene las proporciones correctas presentes en la población. Por ejemplo, si su población original es 45 % femenina y 55 % masculina, su muestra de cuota debe reflejar esos porcentajes. Sin embargo, su muestra no le dice nada sobre la distribución de edad, la distribución de ingresos u otras métricas; es meramente representativo de las proporciones de mujeres y hombres.
Obtención de muestras representativas
En general , la selección aleatoria da como resultado una muestra representativa; puede hacer generalizaciones y predicciones sobre la población siempre que haya utilizado un método de muestreo probabilístico .
En general, debe esforzarse por evitar sesgos en su encuesta, prueba o experimento. Aunque puede parecer una tarea simple seleccionar al azar de una población para obtener una muestra representativa, la realidad es que la práctica está llena de trampas. Por ejemplo, los resultados de su estudio pueden verse sesgados debido a factores que no tuvo en cuenta, como el conocimiento de qué pacientes reciben qué tratamientos en ensayos clínicos o métodos de recopilación de datos deficientes . Como investigador, puede delegar la responsabilidad de partes de su estudio a otras personas o incluso a fuentes externas; debe asegurarse de que todos los involucrados sigan el procedimiento cuidadosamente planificado al pie de la letra.
Una forma de evitar muestras no representativas es asegurarse de no haber excluido a ciertos miembros de la población, como minorías o personas que tienen dos trabajos. Si no es posible obtener una muestra representativa (quizás debido a la disponibilidad de participantes), debe modificar los resultados para reflejar la población. Una forma de hacerlo es con factores de ponderación , que se utilizan para hacer que las muestras coincidan con la población. Por ejemplo, supongamos que su muestra termina con un 95 % de hombres y un 5 % de mujeres. Los datos de la industria le dicen que el porcentaje de mujeres puede llegar al 25%. Para asegurarse de tener una muestra representativa, podría agregar un poco más de «peso» a los datos de las mujeres.
Por otro lado, algunos métodos de muestreo están diseñados de tal manera que no pueden generar muestras representativas. Sin embargo, son útiles para situaciones muy específicas, siempre que comprenda sus limitaciones. Por ejemplo, el muestreo por conveniencia implica extraer una muestra de una población conveniente y fácilmente disponible. Aunque la muestra no es representativa de la población, puede ser útil para la prueba piloto.
Referencias
La creciente participación de las mujeres en la comunidad de ciencia de datos.
