Saltar al contenido principal
LibreTexts Español

13.1.3: Diversidad de muestras

  • Page ID
    101986
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    Además de seleccionar una muestra aleatoria, grande, también puedes mejorar tus posibilidades de seleccionar una muestra representativa muestreando una amplia variedad de miembros de la población. Es decir, apuntar a la diversidad ─para que la diversidad en la muestra sea igual que la diversidad en la población. Si te interesa cómo votarán los ciudadanos de Ohio en las próximas elecciones, ¿confiarás en un encuestador que tomó una muestra aleatoria y terminó hablando solo con votantes blancos, mujeres? No. A pesar de que esas 50 mujeres blancas fueron elegidas al azar, sabes que quieres tirarlas y elegir 50 más. Se quiere forzar que la muestra sea diversa. Cuanto mayor sea la diversidad de características relevantes en su muestra, mejor será la generalización inductiva, siendo todas las demás cosas iguales.

    Porque un propósito de obtener una muestra grande y aleatoria es obtener una que sea lo suficientemente diversa, si ya sabes que la población es homogénea —es decir, no especialmente diversa— entonces no necesitas una muestra grande, o una particularmente aleatoria. Por ejemplo, en 1906 el físico de Chicago R. A. Millikan midió la carga eléctrica de los electrones en su recién inventado dispositivo de gotas de petróleo. Sus medidas se agruparon alrededor de un valor preciso para la carga del electrón. Refiriéndose a este experimento, los profesores de ciencias les dicen a los estudiantes que todos los electrones tienen esta misma carga. Sin embargo, Millikan no probó todos los electrones; probó solo unos pocos y luego se generalizó a partir de esa muestra. Su muestra era muy pequeña y no se seleccionó al azar. ¿Es esto motivo de preocupación sobre si los electrones no probados podrían tener una carga diferente? ¿Cometió la falacia de la generalización apresurada? No, porque la teoría física en su momento decía que todos los electrones deberían tener la misma carga. No había absolutamente ninguna razón para preocuparse de que los electrones del martes fueran diferentes a los del miércoles, o que las elecciones inglesas fueran diferentes a las estadounidenses. No obstante, si este respaldo teórico no estuviera ahí, el trabajo de Millikan con una muestra tan pequeña y no aleatoria habría cometido la falacia de la generalización apresurada. La moraleja: Confiar en el conocimiento previo sobre la falta de diversidad de una población puede reducir el tamaño de muestra necesario para la generalización, y puede reducir la necesidad de un procedimiento de muestreo aleatorio.

    Cuando estás muestreando electrones o protones, si has visto uno los has visto todos, por así decirlo. La diversidad simplemente no está ahí, a diferencia de, digamos, los votantes republicanos, que varían mucho entre sí. Si quieres probar las opiniones de los votantes republicanos, no puedes hablar con uno y asumir que sus opiniones son las de todos los demás republicanos. Los republicanos son heterogenos─el término elegante para ser diversos.

    Se dice que un grupo que tiene una diversidad considerable en los factores relevantes que afectan el resultado de interés es un grupo heterogéneo. Un grupo con una cantidad relativamente insignificante de diversidad se dice que es un grupo homogéneo. Por ejemplo, al predecir el resultado de medir la estatura promedio de dos grupos, estadounidenses y japoneses, la diversidad de etnicidad estadounidense convierte a los estadounidenses en un grupo heterogéneo en comparación con el grupo japonés más homogéneo. Es más fácil hacer predicciones para grupos homogéneos que para grupos heterogéneos.

    Sin embargo, ser homogéneo es relativo. Los japoneses podrían ser más homogéneos que los estadounidenses en relación con las medidas sobre la altura, pero los japoneses podrían ser más heterogéneos que los estadounidenses cuando se trata de actitudes sobre el socialismo y sobre cómo cuidar a los bebés.

    Ejercicio\(\PageIndex{1}\)

    El objetivo más importante en el muestreo es

    a. aleatoriedad
    b. representatividad
    c. diversidad
    d. tamaño muestral grande

    Responder

    Respuesta b).

    Ejercicio\(\PageIndex{1}\)

    Supongamos que conoce la estatura promedio de los hombres japoneses y de los estadounidenses. Si eliges al azar a cien empresarios japoneses, puedes estar más seguro de su estatura promedio de lo que puedes estar si eliges empresarios estadounidenses. Explique por qué.

    Responder

    La variedad de los datos japoneses es menor que la de los datos estadounidenses porque Japón es una sociedad más homogénea. El pueblo estadounidense es más diverso étnicamente y, por lo tanto, más genéticamente diverso, y los genes afectan el crecimiento humano. Supongamos que el hombre japonés promedio es de 5' 5", y el estadounidense promedio es de 5' 8". Entonces el punto que está haciendo el mensaje es que el promedio de los 100 japoneses que eliges estará más cerca de 5'5" que el promedio de los 100 hombres estadounidenses será de 5'8"


    This page titled 13.1.3: Diversidad de muestras is shared under a not declared license and was authored, remixed, and/or curated by Bradley H. Dowden.