¿Qué es el muestreo sistemático? (Definición y ejemplos)

Cuando se estudia una población o grupo grande, es importante tener una muestra de población que sea representativa del conjunto. Una muestra de población precisa puede dar lugar a resultados más reveladores y más aplicables a las actividades empresariales, como el marketing y las ventas. El muestreo sistemático es una forma de establecer una población muestral aleatoria que pueda producir resultados representativos.

En este artículo, explicamos qué es el muestreo sistemático, mostramos cómo crear una muestra con este método, discutimos las circunstancias óptimas para su uso, vemos algunas de sus ventajas y desventajas y proporcionamos ejemplos.

Definición de muestreo sistemático

El muestreo sistemático es un método de muestreo probabilístico en el que se determinan los miembros de la muestra a partir de un punto de partida aleatorio y un intervalo de muestreo, o una distancia constante entre puntos. En este caso, la distancia se refiere al número de personas contadas a partir del anterior. Por ejemplo, imagine que hay una lista de 100 personas a las que puede entrevistar. El punto de partida aleatorio es la tercera persona, y el intervalo de muestreo es de 10. Empezaría entrevistando a la tercera persona de la lista. El siguiente entrevistado sería la décima persona después de ésta—la decimotercera persona de la lista—y así sucesivamente.

Para utilizar el muestreo sistemático, debe seleccionar una población objetivo basada en las características adecuadas para la función de la investigación que está llevando a cabo. Por ejemplo, si está realizando un estudio de mercado para una empresa que vende ropa de monopatín, puede dirigirse a los adolescentes urbanos o suburbanos que practican el monopatín. El muestreo sistemático funciona mejor cuando se conoce el tamaño de la población que se está muestreando. Teniendo en cuenta los parámetros de este método, especificar el número total de personas a elegir es una base útil para seleccionar la muestra.

Relacionado: El análisis tradicional considera los elementos de un sistema por separado y las propiedades emergentes resultantes: Tipos de muestreo: Cómo elegir los mejores tipos y qué evitar

Cómo crear una muestra mediante un muestreo sistemático

Para crear una muestra mediante el método de muestreo sistemático, siga estos pasos:

  1. Defina su población. Lo ideal es que los miembros de su muestra encarnen características adecuadas a su investigación.
  2. Decida el tamaño ideal de la muestra. El tamaño de la muestra es el número de personas de toda la población. Debe ser lo suficientemente grande como para producir resultados representativos, pero lo suficientemente pequeño como para ser factible.
  3. Asigne un número a cada miembro del público. Por ejemplo, si su población está formada por 800 personas, la primera persona de la lista sería una y la última sería 800.
  4. Determinar el intervalo de muestreo . Para calcular el intervalo de muestreo ideal, divida el tamaño de la población por el tamaño de la muestra, redondeando el cociente hacia abajo si no es un número entero. Por ejemplo, si el tamaño de la muestra es de 90 en una población de 1.000, el intervalo de muestreo sería de 11, no de 11,1.
  5. Seleccione al azar un punto de partida. El uso de un generador de números aleatorios puede ser útil para completar este paso.
  6. Seleccionar a los miembros de la muestra según el intervalo de muestreo . Si su punto de partida es cinco y su intervalo de muestreo es 10, el primer miembro de su muestra sería cinco, el segundo sería 15, el tercero sería 25 y así sucesivamente.

Relacionado: Cómo calcular el tamaño de la muestra necesaria para su encuesta o estudio

¿Cuándo debe utilizar el muestreo sistemático?

El muestreo sistemático es un método de muestreo eficaz para utilizar en cualquiera de las siguientes circunstancias o en todas ellas:

1. Conoce el tamaño de la población

El número de personas de la población que desea muestrear es un factor esencial para determinar su intervalo de muestreo, por lo que es importante trabajar con un conjunto de datos completo, como una lista de todos los miembros potenciales. Por ejemplo, si planea entrevistar o encuestar a todas las personas que viven en un barrio específico, puede determinar fácilmente la lista completa de personas que viven allí. En cambio, sería mucho más difícil predecir el número de personas que podrían entrar en una tienda en un día determinado.

Su población es grande

Las poblaciones más grandes ayudan a garantizar resultados más significativos desde el punto de vista estadístico al proporcionar un mayor número de datos. Tener más datos para interpretar aumenta la probabilidad de respuestas únicas y disminuye el riesgo de sesgo. Por ejemplo, en una población de 50.000 personas, el muestreo de una de cada diez personas le permite recoger las respuestas de 5.000 participantes, mientras que una población de 500 con el mismo intervalo de muestreo tendría 50 participantes. La probabilidad de recibir grupos de opiniones compartidas disminuye con un mayor número de participantes, por lo que el grupo de 5.000 tiene más posibilidades de ofrecer resultados precisos.

Su población no tiene un patrón

La falta de características comunes significativas entre los intervalos de su población aumenta el potencial de aleatoriedad de su muestra y, por tanto, la precisión de sus resultados. Por ejemplo, una lista alfabetizada de 2.000 nombres sería ideal para un muestreo sistemático porque no hay razón para creer que las personas de la lista tengan algún sesgo derivado de sus nombres.

Por el contrario, imagine que quiere encuestar a los empleados de una empresa para conocer su opinión sobre la cultura de la misma. Tiene una lista que ordena a los empleados por equipos. Cada equipo tiene 10 miembros, y el supervisor aparece en primer lugar para cada equipo. En este caso, tener un intervalo de muestreo de 11 podría dar lugar a un sesgo, ya que sólo estarías entrevistando a los supervisores, que podrían tener una visión diferente de la cultura del trabajo en comparación con sus subalternos.

Relacionado: Guía de la cultura de la empresa

Ventajas del muestreo sistemático

El muestreo sistemático atrae a los investigadores porque ofrece varias ventajas sobre otros métodos de muestreo. Entre ellas:

Simplicidad

Los intervalos de muestreo siguen una fórmula matemática básica, en la que se divide la población objetivo por el tamaño de muestra determinado. La simplicidad es una característica deseable porque reduce las posibilidades de sesgar el conjunto de datos mediante una modificación compleja. En consecuencia, el muestreo sistemático puede producir resultados precisos y significativos.

Aplicabilidad

Siempre que trabaje con un conjunto de datos completo y sin patrones, puede aplicar el muestreo sistemático para crear una muestra representativa eficaz. Por el contrario, otros métodos de muestreo, como el muestreo estratificado, que requiere clasificar a los miembros en subgrupos, pueden requerir un rango estrecho de circunstancias que no todas las poblaciones pueden cumplir.

Relacionadas: Muestreo aleatorio estratificado: Qué es, cómo utilizarlo y ejemplo

Aleatoriedad

Con la condición de que no existan patrones entre los intervalos de la población, hay una alta probabilidad de conseguir una muestra de población que sea realmente aleatoria. La aleatoriedad es esencial en el muestreo porque ayuda a evitar el sesgo al incorporar las opiniones de una amplia variedad de personas. El muestreo sistemático puede ayudar a conseguir esa diversidad porque selecciona por igual en todas las áreas del conjunto de datos.

Desafíos de la utilización del muestreo sistemático

El muestreo sistemático también suscita algunas preocupaciones que afectan a su viabilidad como método de muestreo. Entre ellas se encuentran:

Conjuntos de datos incompletos

Al utilizar el muestreo sistemático, los investigadores parten de la base de que el tamaño de la población es cuantificable. Cuando existen datos definitivos sobre el número de la población, el tamaño es medible, pero algunas poblaciones pueden no cumplir ese criterio. Si el número total de la población es indeterminable, los investigadores deben primero aproximar la población antes de aplicar la fórmula para determinar el intervalo de muestreo. En ese caso, la integridad de los resultados depende de la precisión de la aproximación.

Potencial de sesgo

Como se ha mencionado, para conseguir una población de muestra aleatoria, lo ideal es una organización sin patrones. Sin embargo, si existen patrones, esto puede introducir sesgos en los resultados. Por ejemplo, es posible que quiera entrevistar a todos los residentes de un edificio de apartamentos sobre sus condiciones de vida, y calcule un intervalo de muestreo de 21. Sin embargo, si hay 20 unidades por planta, y las dos primeras y las dos últimas corresponden a los apartamentos más grandes de las esquinas, los resultados dejan de lado la información de los que viven en unidades más pequeñas, posiblemente menos deseables.

Potencial de manipulación de datos

Con el muestreo sistemático, existe la posibilidad de manipular los datos para construir un resultado. Los investigadores podrían manipular los datos de varias maneras, como por ejemplo estableciendo sus propios puntos de partida o seleccionando un tamaño de muestra inexacto. Si se produce alguna de estas manipulaciones, los resultados invitarían al escrutinio y no serían representativos de la población.

Ejemplos de muestreo sistemático

Considere los siguientes ejemplos para comprender mejor el muestreo sistemático:

Ejemplo uno

Usted está encuestando a los empleados de una cadena de restaurantes sobre las condiciones de trabajo. A nivel nacional, la cadena tiene 20.000 empleados. Usted elabora una lista con todos sus nombres, organizados por orden alfabético para eliminar cualquier patrón y decide que el 10% de toda la población—2.000 empleados—es un tamaño de muestra representativo. Para determinar el intervalo de muestreo, divide 20.000 entre 2.000 para obtener un cociente de 10. A continuación, se utiliza un generador de números aleatorios para decidir un punto de partida de ocho. Así, a partir del octavo empleado de la lista, se envía una encuesta a uno de cada diez empleados.

Ejemplo dos

Una fábrica de bolígrafos realiza controles de calidad en una muestra de sus bolígrafos para asegurarse de que no tienen defectos. La fábrica produce constantemente 100.000 bolígrafos al día. Como resulta rentable comprobar una muestra mayor de bolígrafos, el tamaño de la muestra es el 15% de todos los bolígrafos producidos, lo que supone 15.000 bolígrafos. Si se divide la producción total entre el tamaño de la muestra, el intervalo de muestreo es de 6,66. El equipo de control de calidad comienza aleatoriamente en el duodécimo bolígrafo y realiza un control de calidad cada seis bolígrafos a partir de entonces.

Ejemplo tres

Una empresa de zapatillas quiere realizar una encuesta sobre las opiniones de los consumidores sobre la marca. Decide definir su población a partir del número de personas suscritas al boletín de la empresa, que asciende a 23.421 personas. Los investigadores deciden que el tamaño de la muestra sea de 2.300 personas, lo que supone aproximadamente el 10% de la población, redondeado a la centena inferior. Esa cifra dividida entre 2.300 es igual a 10,18, que se redondea a 10. Los investigadores organizan la lista de suscriptores por orden alfabético y generan aleatoriamente un punto de partida de 10. A partir de ahí, cuentan uno de cada diez suscriptores.

Más tarde se vio que había fallos en la metodología. Por ejemplo, todos los miembros de la población compartían un patrón en el sentido de que pensaban lo suficientemente bien de la empresa como para suscribirse a su boletín. Esto podría sugerir un sesgo en los resultados. Además, había un elemento de manipulación de los datos, ya que los investigadores decidieron redondear la población.