Diseño de muestreo

En la teoría del muestreo de poblaciones finitas, un diseño de muestreo especifica, para cada muestra posible, su probabilidad de ser extraída.

Matemáticamente, un diseño de muestreo se denota por la función ${\displaystyle P(S)}$ que da la probabilidad de dibujar una muestra ${\displaystyle S.}$

Durante el muestreo de Bernoulli, ${\displaystyle P(S)}$ es dado por

${\displaystyle P(S)=q^{N_{\text{sample}}(S)}\times (1-q)^{(N_{\text{pop}}-N_{\text{sample}(S)}}} {\fnMicrosoft Sans)}$

para cada elemento ${\displaystyle q}$ es la probabilidad de ser incluido en la muestra y ${\displaystyle N_{\text{sample}}(S)}$ es el número total de elementos en la muestra ${\displaystyle S.$ y ${\displaystyle N_{\text{pop}}$ es el número total de elementos de la población (antes de comenzar el muestreo).

En la investigación empresarial, las empresas suelen generar muestras de clientes, empleados, etc., para recabar sus opiniones. El diseño de muestras también es un componente fundamental de la investigación de mercados y de empleados para muchas organizaciones. Durante el diseño de muestras, las empresas deben responder a preguntas como:

• ¿Cuál es la población relevante, el marco de muestreo y la unidad de muestreo?
• ¿Cuál es el margen adecuado de error que debe alcanzarse?
• ¿Cómo debe evaluarse y equilibrarse el error de muestreo y el error no muestreo?

Estas cuestiones requieren una consideración muy cuidadosa, y se ofrecen buenos comentarios en varias fuentes.

• Muestra de Bernoulli
• Probabilidad de muestreo
• Muestra (estadística)

• Sarndal, Swenson y Wretman (1992), Model Assisted Survey Sampling, Springer-Verlag, ISBN 0-387-40620-4