Para hacer una buena recopilación de datos se necesitan buenas muestras. Pero las muestras pueden elegirse de muchas maneras. Pueden ser selecciones fortuitas o convenientes de personas, registros, redes u otras unidades, pero uno se cuestiona la calidad de tales muestras, especialmente cómo se relacionan estos métodos de selección con el hecho de sacar buenas conclusiones sobre una población tras la recopilación y el análisis de los datos. Las muestras pueden seleccionarse con más cuidado según el criterio del investigador, pero entonces uno se pregunta si ese criterio puede estar sesgado por factores personales. Las muestras también pueden extraerse de forma estadísticamente rigurosa y meticulosa, utilizando métodos de selección y control aleatorios para proporcionar una sólida representación y costos controlados. Este último tipo de muestras es el que se analizará en este curso. Examinaremos el muestreo aleatorio simple que puede utilizarse para el muestreo de personas o registros, el muestreo por conglomerados que puede utilizarse para el muestreo de grupos de personas, registros o redes, la estratificación que puede aplicarse a las muestras aleatorias simples y por conglomerados, la selección sistemática y las muestras estratificadas multietapa. El curso concluye con una breve descripción de cómo estimar y resumir la incertidumbre del muestreo aleatorio.
OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.
Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.
Find this site helpful? Tell a friend about us.
We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.
Your purchases help us maintain our catalog and keep our servers humming without ads.
Thank you for supporting OpenCourser.