Tipos de Muestreo Diseño Experimental Clase 2
Páginas del Curso • http://www.esnips.com/web/DisExper imental • http://cran.r-project.org •
[email protected]
Muestreo • No se puede muestrear toda la población • Toman muestras • Representativas de población • Inferencia estadística
Técnica de muestreo • Depende de – Organismo – Objetivo
• Muchas técnicas – Mayoría incluye aleatorización
Población • Población estadística – ≠ a población biológica
• Definir – Población – Unidad de muestreo – Estrategia de muestreo
Muestreo Aleatorio • Aleatorio simple • Aleatorio estratificado • Aleatorio en clusters o grupos
Muestreo aleatorio simple • Cada U.E. tiene la misma probabilidad de ser escogida – Tabla número aleatorios – Sin reemplazo – R!
• Sin reemplazo es mejor que con reemplazo • Asegura stats pero no asegura representación poblacional
Aleatorio simple • Pros – Poco conocimiento previo – Libre de error – Clasificación simple – Supuestos estadísticos
• Contras – Requiere marco de muestreo completo – Poblaciones finitas y pequeñas – Poco eficiente – Autocorrelación
Confusión con aleatorio • Accesibilidad – En trillos
• Azaroso (haphazard) – El primer visto
• Juicio – Basado en experiencia
• Voluntario – Oportunista
Preguntas y Ejemplos • ¿Cómo muestrear aleatoriamente una comunidad de insectos? • ¿Cómo muestrear aleatoriamente una comunidad de anfibios? • ¿Cómo muestrear aleatoriamente individuos para realizar sonograma?
Muestreo Estratificado • Común ecología – Inadvertido
• Eficiente • Strata
L = número de strata
Estratificado • Se deben conocer (approx.) el tamaño de cada stratum • Strata pueden ser de diferente tamaño o área • Se usa por – Diferencia en facilidad de mustreo – Aumenta precisión – Administrativo
Estratificado • Pros – Enfoca en strata importantes – Aumenta precisión – Eficiente – Aumenta poder de prueba estadística
• Contras – Difícil escoger strata – Si no hay subgrupos homogéneos – Requiere información detallada de población estadística y biológica
Cluster • Muestreo adaptativo • Unidades se escogen en grupos o clusters • U.Exp. agregadas en espacio • Clasificación arbitraria • Deben representar población • Utiliza para simplificar muestreo
Cluster • Pros – Reduce costos en el campo – No requiere conocimiento completo de población
• Contras – Clusters no representan población – Clusters muy similares – Análisis más complicado – Menor precisión
Cluster adaptativo • Puntos al azar • Se encuentra UE • Se muestrea en la vecindad • Requiere – – – –
Selectividad Tamaño vecindad Borde Red (network). Selecciona uno = todos.
wi = abundancia en cluster yi = abundancia en cada cuadrado por cluster mi = número de cuadrados por cluster n = número de unidades seleccionadas al azar
Sistemático • No aleatorio (combinación) • Usado por ecólogos • Simpleza • Muestrear homogéneamente el hábitat • No tiene sistema probabilidad
Valores observados
Periodicidad
Sistemático • Pros – Fácil de realizar – Aumenta precisión sobre cluster – Probabilidad de que aparezca una muestra puede calcularse – Reduce varianza intragrupal
• Contras – Arreglo periódico destruye TODO! – Requiere homogeneidad de las muestras