Diferencia entre la muestra y la población

Muestra vs población

La población y la muestra son dos términos importantes en el sujeto 'estadísticas'. En términos simples, la población es la mayor colección de artículos que nos interesa estudiar, y la muestra es un subconjunto de una población. En otras palabras, la muestra debe representar a la población con menos pero suficiente número de elementos. Una población puede tener varias muestras con diferentes tamaños.

Muestra

Una muestra puede consistir en dos o más elementos que han sido seleccionados de la población. El tamaño más bajo posible para una muestra es dos y el más alto sería igual al tamaño de la población. Hay varias formas de seleccionar una muestra de una población. Teóricamente, seleccionar una 'muestra aleatoria' es la mejor manera de lograr inferencias precisas sobre la población. Este tipo de muestras también se llaman muestras de probabilidad, ya que cada elemento de la población tiene la misma oportunidad de ser incluido en una muestra.

La técnica de 'muestreo aleatorio simple' es la técnica de muestreo aleatorio más famosa. En este caso, los elementos que se seleccionarán para la muestra se eligen al azar de la población. Dicha muestra se llama 'muestra aleatoria simple' o SRS. Otra técnica popular es el 'muestreo sistemático'. En este caso, los elementos para una muestra se seleccionan en función de un orden sistemático particular.

Ejemplo: cada décima persona de la cola se selecciona para una muestra.

En este caso, el orden sistemático es cada décima persona. El estadístico es libre de definir este orden de manera significativa. Existen otras técnicas de muestreo aleatorio, como muestreo de clúster o muestreo estratificado, y el método de selecciones es ligeramente diferente de los dos anteriores.

Para fines prácticos, se pueden usar muestras no aleatorias como muestras de conveniencia, muestras de juicio, muestras de bolas de nieve y muestras de propósito. Más terminado, los elementos seleccionados para una muestra no aleatoria pertenecen a una oportunidad. De hecho, cada elemento de la población no tiene la misma oportunidad de incluirse en una muestra no aleatoria. Estos tipos de muestras también se llaman muestras de no probabilidad.

Población

Cualquier colección de entidades que sean interesantes para investigar se define simplemente como 'población.'La población es la base de muestras. Cualquier conjunto de objetos en el universo puede ser una población, basado en la declaración de estudio. En general, una población debe ser relativamente grande en tamaño y difícil de inferir algunas características considerando sus elementos individualmente. Las mediciones a investigar en la población se denominan parámetros. En la práctica, los parámetros se estiman utilizando estadísticas que son las mediciones relevantes de la muestra.

Ejemplo: al estimar la marca de matemáticas promedio de 30 estudiantes en una clase de las marcas de matemáticas promedio de 5 estudiantes, el parámetro es la marca de matemáticas promedio de la clase. La estadística es la marca de matemáticas promedio de 5 estudiantes.

Muestra vs población

La relación interesante entre la muestra y la población es que la población puede existir sin una muestra, pero puede no existir una muestra sin población. Este argumento prueba además que una muestra depende de una población, pero curiosamente, la mayoría de las inferencias de la población dependen de la muestra. El objetivo principal de una muestra es estimar o inferir algunas mediciones de una población lo más precisa posible. Se puede inferir una mayor precisión del resultado general obtenido de varias muestras de la misma población en lugar de una muestra. Otra cosa importante que debe saber es, al seleccionar más de una muestra de una población, también se puede incluir un elemento en otra muestra. Este caso se conoce como 'muestras con reemplazos'. Además, invertir las mediciones relevantes de la población de una muestra y obtener una producción casi similar es una oportunidad de oro para ahorrar el costo y el valor del tiempo.

Es crucial saber que, cuando aumenta el tamaño de la muestra, la precisión de la estimación para el parámetro de población también aumenta. Lógicamente, para tener mejores estimaciones para la población, el tamaño de la muestra no debe ser demasiado pequeño. Además, también se debe considerar que las muestras aleatorias tengan mejores estimaciones. Por lo tanto, es crucial prestar atención al tamaño y la aleatoriedad de la muestra para ser representativo para obtener las mejores estimaciones para la población.