Selección aleatoria frente a asignación aleatoria

La selección aleatoria y la asignación aleatoria son dos técnicas en estadística que se usan comúnmente, pero que comúnmente se confunden.

La selección aleatoria se refiere al proceso de selección aleatoria de individuos de una población para que participen en un estudio.

La asignación aleatoria se refiere al proceso de asignar aleatoriamente a los individuos de un estudio a un grupo de tratamiento o un grupo de control.

Puede pensar en la selección aleatoria como el proceso que utiliza para «incluir» a las personas en un estudio y puede pensar en la asignación aleatoria como lo que «hace» con esas personas una vez que se seleccionan para formar parte del estudio.

La importancia de la selección aleatoria y la asignación aleatoria

Cuando un estudio utiliza la selección aleatoria , selecciona individuos de una población mediante algún proceso aleatorio. Por ejemplo, si alguna población tiene 1,000 individuos, entonces podríamos usar una computadora para seleccionar al azar a 100 de esos individuos de una base de datos. Esto significa que es igualmente probable que cada individuo sea seleccionado para formar parte del estudio, lo que aumenta las posibilidades de que obtengamos una muestra representativa , una muestra que tiene características similares a las de la población en general.

Al utilizar una muestra representativa en nuestro estudio, podemos generalizar los hallazgos de nuestro estudio a la población. En términos estadísticos, esto se conoce como validez externa : es válido externalizar nuestros hallazgos a la población en general.

Cuando un estudio utiliza la asignación aleatoria , asigna aleatoriamente a los individuos a un grupo de tratamiento o un grupo de control. Por ejemplo, si tenemos 100 individuos en un estudio, entonces podríamos usar un generador de números aleatorios para asignar al azar 50 individuos a un grupo de control y 50 individuos a un grupo de tratamiento.

Al utilizar la asignación aleatoria, aumentamos las posibilidades de que los dos grupos tengan características aproximadamente similares, lo que significa que cualquier diferencia que observemos entre los dos grupos se puede atribuir al tratamiento. Esto significa que el estudio tiene validez interna : es válido atribuir cualquier diferencia entre los grupos al tratamiento en sí, en contraposición a las diferencias entre los individuos de los grupos.

Ejemplos de selección aleatoria y asignación aleatoria

Es posible que un estudio utilice tanto la selección aleatoria como la asignación aleatoria, o solo una de estas técnicas, o ninguna de las dos. Un estudio sólido es aquel que utiliza ambas técnicas.

Los siguientes ejemplos muestran cómo un estudio podría utilizar ambas, una o ninguna de estas técnicas, junto con los efectos de hacerlo.

Ejemplo 1: uso de la selección aleatoria y la asignación aleatoria

Estudio: los investigadores quieren saber si una nueva dieta conduce a una mayor pérdida de peso que una dieta estándar en una determinada comunidad de 10.000 personas. Reclutan a 100 personas para que participen en el estudio utilizando una computadora para seleccionar al azar 100 nombres de una base de datos. Una vez que tienen los 100 individuos, una vez más usan una computadora para asignar aleatoriamente a 50 de los individuos a un grupo de control (por ejemplo, seguir con su dieta estándar) y 50 individuos a un grupo de tratamiento (por ejemplo, seguir la nueva dieta). Registran la pérdida de peso total de cada individuo después de un mes.

Resultados: Los investigadores utilizaron la selección aleatoria para obtener su muestra y la asignación aleatoria al colocar a los individuos en un grupo de tratamiento o de control. Al hacerlo, pueden generalizar los hallazgos del estudio a la población en general y pueden atribuir cualquier diferencia en la pérdida de peso promedio entre los dos grupos a la nueva dieta.

Ejemplo 2: Usar solo selección aleatoria

Estudio: los investigadores quieren saber si una nueva dieta conduce a una mayor pérdida de peso que una dieta estándar en una determinada comunidad de 10.000 personas. Reclutan a 100 personas para que participen en el estudio utilizando una computadora para seleccionar al azar 100 nombres de una base de datos. Sin embargo, deciden asignar individuos a grupos basándose únicamente en el género. Las hembras se asignan al grupo de control y los machos se asignan al grupo de tratamiento. Registran la pérdida de peso total de cada individuo después de un mes.

Resultados: Los investigadores utilizaron la selección aleatoria para obtener su muestra, pero no utilizaron la asignación aleatoria al colocar a los individuos en un grupo de tratamiento o de control. En cambio, utilizaron un factor específico, el género, para decidir a qué grupo asignar individuos. Al hacer esto, pueden generalizar los hallazgos del estudio a la población en general, pero no pueden atribuir ninguna diferencia en la pérdida de peso promedio entre los dos grupos a la nueva dieta. La validez interna del estudio se ha visto comprometida porque la diferencia en la pérdida de peso en realidad podría deberse solo al género, más que a la nueva dieta.

Ejemplo 3: usar solo la asignación aleatoria

Estudio: los investigadores quieren saber si una nueva dieta conduce a una mayor pérdida de peso que una dieta estándar en una determinada comunidad de 10.000 personas. Reclutan a 100 atletas varones para participar en el estudio. Luego, usan un programa de computadora para asignar al azar a 50 de los atletas masculinos a un grupo de control y 50 al grupo de tratamiento. Registran la pérdida de peso total de cada individuo después de un mes.

Resultados: Los investigadores no utilizaron la selección aleatoria para obtener su muestra, ya que eligieron específicamente a 100 atletas masculinos. Debido a esto, su muestra no es representativa de la población en general, por lo que su validez externa se ve comprometida; no podrán generalizar los hallazgos del estudio a la población en general. Sin embargo, utilizaron la asignación aleatoria, lo que significa que pueden atribuir cualquier diferencia en la pérdida de peso a la nueva dieta.

Ejemplo 4: no usar ninguna técnica

Estudio: los investigadores quieren saber si una nueva dieta conduce a una mayor pérdida de peso que una dieta estándar en una determinada comunidad de 10.000 personas. Reclutan a 50 atletas masculinos y 50 atletas femeninas para participar en el estudio. Luego, asignan a todas las atletas femeninas al grupo de control y a todos los atletas masculinos al grupo de tratamiento. Registran la pérdida de peso total de cada individuo después de un mes.

Resultados: Los investigadores no utilizaron la selección aleatoria para obtener su muestra, ya que eligieron específicamente a 100 atletas. Debido a esto, su muestra no es representativa de la población en general, por lo que su validez externa se ve comprometida; no podrán generalizar los hallazgos del estudio a la población en general. Además, dividen a las personas en grupos según el género en lugar de utilizar una asignación aleatoria, lo que significa que su validez interna también se ve comprometida: las diferencias en la pérdida de peso pueden deberse al género más que a la dieta.

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/