La representatividad como característica de una población muestral. Cómo calcular correctamente el tamaño de la muestra

Una población estadística es un objeto de estudio estadístico, que consta de unidades cualitativamente homogéneas, pero que se diferencian en algunas otras características.

La población general es un conjunto de unidades a estudiar; su número se denota por N.

Población de muestra: parte de las unidades de la población general, seleccionada al azar, su número se denota por n. La observación de muestras no es una observación continua en la que se examina una determinada parte de las unidades de la población en estudio, seleccionadas en orden aleatorio.

Ventajas de la observación selectiva:

1) al examinar poblaciones demasiado grandes, cuando la observación continua requiere enormes cantidades de trabajo y dinero;

2) si es necesario obtener información en poco tiempo;

3) si la observación continua es imposible.

Principios básicos de la observación de muestras.

1) garantizar la aleatoriedad: radica en el hecho de que al seleccionar cada una de las unidades de la población en estudio, se brinda la misma oportunidad de ser incluido en la muestra

1) - asegurar un número suficiente de unidades seleccionadas.

La representatividad de la muestra es la representatividad de la parte seleccionada de toda la población en estudio en relación con aquellas características que se estudian o influyen en la formación de características generales.

La esencia del método de muestreo es obtener datos primarios observando una muestra, analizándola y distribuyéndola a toda la población para obtener información confiable sobre el fenómeno en estudio.

Las características de la población general (promedio, varianza, proporción) se denominan generales y, en consecuencia, se denominan x, p, donde p es la proporción, la relación entre el número M de unidades que poseen una característica determinada y la población total de la población general. , es decir, p = M/N.

Las características generalizadoras en una población de muestra se denominan características de muestra y, en consecuencia, se denotan por x, donde es la frecuencia, la relación entre el número de unidades que poseen una característica determinada en la población de muestra l, es decir = m/n.

La diferencia x - x = x se denomina error de representatividad de la media muestral, respectivamente, la diferencia - p = se denomina error de frecuencia y la diferencia - = - error de dispersión.

El error de representatividad es la discrepancia entre la característica de la muestra y la característica esperada de la población.

Los errores sistemáticos de representatividad son errores que surgen en relación con las peculiaridades del sistema adoptado para seleccionar y procesar datos de observación o en relación con una violación de las reglas de selección establecidas.

Los errores aleatorios de representatividad son errores que surgen como resultado de diferencias aleatorias entre las unidades de la muestra y las unidades de la población.

Error de muestreo estándar:

Error de muestreo marginal: (factor de confianza t).

La magnitud del error estándar aleatorio y marginal depende de:

1) sobre el método adoptado para formar la población de muestra;

2) sobre el tamaño de la muestra;

3) sobre el grado de variabilidad de la característica en estudio en la población general.

3) Selección aleatoria y sus tipos. Selección aleatoria simple sin repetición y selección aleatoria simple repetida. Selección típica, mecánica y de serie.
En la práctica se utilizan varios métodos de selección. Fundamentalmente, estos métodos se pueden dividir en dos tipos:

1. Selección que no requiera dividir la población general en partes. Estos incluyen: a) selección aleatoria simple no repetitiva; b) selección repetida aleatoria simple.

2. Selección, en la que se divide la población en partes. Estos incluyen: a) selección típica; b) selección mecánica; c) selección de serie. La selección aleatoria simple es una selección en la que los objetos se seleccionan uno a la vez de toda la población. La selección simple se puede realizar de varias maneras. Por ejemplo, para extraer n objetos de una población de volumen N, haga lo siguiente: escriba los números del 1 al N en tarjetas, que estén bien mezcladas, y saque una tarjeta al azar; se examina un objeto que tiene el mismo número que la tarjeta retirada; luego se devuelve la carta a la baraja y se repite el proceso, es decir, se mezclan las cartas, se saca una de ellas al azar, etc. Esto se hace n veces; Como resultado, se obtiene un muestreo aleatorio simple repetido del volumen n. Si las cartas retiradas no se devuelven al paquete, entonces el muestreo es aleatorio simple no repetitivo. Con una población de gran tamaño, el proceso descrito resulta muy laborioso. En este caso, utilizan tablas ya preparadas de "números aleatorios", en las que los números están ordenados al azar. Para seleccionar, por ejemplo, 50 objetos de una población numerada, abra cualquier página de la tabla de números aleatorios y escriba 50 números seguidos; La muestra incluye aquellos objetos cuyos números coinciden con los números aleatorios escritos. Si resulta que un número aleatorio en la tabla excede el número N, entonces se omite dicho número aleatorio. Al realizar un muestreo no repetitivo, también se deben omitir los números aleatorios de la tabla que ya se hayan encontrado antes. La selección típica se llama selección en la que los objetos no se seleccionan de toda la población, sino de cada una de sus partes "típicas". Por ejemplo, si las piezas se producen en varias máquinas, la selección no se realiza entre el conjunto completo de piezas producidas por todas las máquinas, sino entre los productos de cada máquina por separado. La selección típica se utiliza cuando el rasgo que se examina varía notablemente en diferentes partes típicas de la población general. Por ejemplo, si los productos se fabrican en varias máquinas, entre las cuales las hay cada vez menos desgastadas, entonces la selección típica es apropiada. La selección mecánica se denomina selección en la que la población se divide “mecánicamente” en tantos grupos como objetos haya para incluir en la muestra, y se selecciona un objeto de cada grupo. Por ejemplo, si necesita seleccionar el 20% de las piezas producidas por una máquina, entonces se selecciona una de cada cinco piezas; si necesita seleccionar el 5% de las partes, entonces se selecciona cada vigésima parte, etc. d. Cabe señalar que a veces la selección mecánica puede no garantizar la representatividad de la muestra. Por ejemplo, si se selecciona cada vigésimo rodillo que se gira y se reemplaza el cortador inmediatamente después de la selección, se seleccionarán todos los rodillos girados con cortadores desafilados. En este caso, es necesario eliminar la coincidencia del ritmo de selección con el ritmo de sustitución del cortador, para lo cual es necesario seleccionar, digamos, cada décimo rodillo de veinte girados. La selección en serie es una selección en la que los objetos se seleccionan de la población general no uno a la vez, sino en "series" que se someten a un examen continuo. Por ejemplo, si los productos son fabricados por un gran grupo de máquinas automáticas, entonces los productos de sólo unas pocas máquinas se someten a un examen exhaustivo. La selección en serie se utiliza cuando el rasgo que se examina varía ligeramente en diferentes series. Destacamos que en la práctica se suele utilizar la selección combinada, en la que se combinan los métodos anteriores. Por ejemplo, a veces la población se divide en series del mismo tamaño, luego se seleccionan varias series mediante muestreo aleatorio simple y, finalmente, se extraen objetos individuales de cada serie mediante muestreo aleatorio simple.

4) Serie de variación. Función de distribución empírica. Histograma y polígono.
Sea una variable aleatoria X con una función de distribución F(x) en algún experimento. Y dejemos que un experimento único nos permita encontrar uno de sus posibles significados. Supongamos que el experimento en las mismas condiciones se puede repetir cualquier número de veces y que los experimentos (ensayos) en sí son independientes.

Los resultados de los n experimentos considerados son una secuencia x1, x2,…, xn de números reales, que se denomina muestra de tamaño n. Ésta es la interpretación práctica del muestreo. Cada xi (i=1, 2,…, n) se denomina variante (elemento de muestra, valor observado, valor de atributo).

Los valores observados x1, x2 xn obtenidos como resultado de n experimentos representan una muestra de todo el conjunto de valores que puede tomar el valor X que nos interesa. Se acostumbra decir que estamos ante un conjunto. de valores correspondientes a una determinada muestra de la población general. La muestra considerada debe tener la propiedad de representatividad (representatividad), es decir, ser tal que sus datos permitan obtener una idea correcta de toda la población en su conjunto. Que la muestra en cuestión sea representativa o no depende del método de selección.

En la literatura matemática, la palabra "muestra" se usa mucho más a menudo en un sentido diferente. Podemos considerar una muestra concreta x1, x2,…, xn como una realización de los valores de un sistema de variables aleatorias (X1, X2,…, Xn), distribuidos idénticamente, según la misma ley que X.

Una muestra de volumen n de la distribución de una variable aleatoria X es una secuencia x1, x2, ..., xn de variables aleatorias independientes e idénticamente distribuidas, según la misma ley que X.

A menudo, en situaciones prácticas surge el siguiente problema: hay una muestra y no hay información sobre la forma de la función de distribución F(x). Se requiere construir una estimación (aproximación) para esta función desconocida F(x).

La estimación más preferible de la función F(x) es la función de distribución empírica Fn(x), que se define de la siguiente manera

donde nx es el número de variantes menores que x (x pertenece a R), n es el tamaño de la muestra.

La función Fn(x) sirve como una buena aproximación a la función de distribución desconocida para n grande.
Función de distribución empírica

Conozcamos la distribución estadística de frecuencias de una característica cuantitativa X. Introduzcamos la notación:

– el número de observaciones en las que se observó el valor del atributo es menor;

– número total de observaciones (tamaño de la muestra).

Está claro que la frecuencia relativa del evento es igual.

Si cambia, entonces la frecuencia relativa también cambiará, es decir, la frecuencia relativa es función de.

Dado que esta función se encuentra empíricamente (experimentalmente), se llama empírica.

Una función de distribución empírica (función de distribución de muestreo) es una función que determina la frecuencia relativa de un evento para cada valor.

Entonces, por definición, donde está el número de opciones, cuanto menor es el tamaño de la muestra.

Las siguientes propiedades se derivan de la definición de una función:

1) los valores de la función empírica pertenecen al segmento

2) – función no decreciente;

3) si – la opción más pequeña, entonces, cuándo;

si es la mejor opción, entonces en.

Entonces, la función de distribución empírica de la muestra sirve para estimar la función de distribución teórica de la población.
Para mayor claridad, se construyen varios gráficos de distribución estadística.

A partir de los datos de una serie de variación discreta se construye un polígono de frecuencias o frecuencias relativas.

Un polígono de frecuencias es una recta discontinua cuyos segmentos conectan los puntos (x1; n1), (x2; n2), ..., (xk; nk). Para construir un polígono de frecuencias, las variantes xi se trazan en el eje de abscisas y las frecuencias ni correspondientes a ellas se trazan en el eje de ordenadas. Los puntos (xi; ni) se conectan mediante líneas rectas y se obtiene un polígono de frecuencias (Fig. 1).

Un polígono de frecuencias relativas es una recta discontinua cuyos segmentos conectan los puntos (x1; W1), (x2; W2), ..., (xk; Wk). Para construir un polígono de frecuencias relativas, las variantes xi se trazan en el eje de abscisas y las frecuencias relativas Wi correspondientes a ellas se trazan en el eje de ordenadas. Los puntos (xi; Wi) se conectan mediante segmentos de recta y se obtiene un polígono de frecuencias relativas.

En el caso de una característica continua, es aconsejable construir un histograma.

Método de muestreo en sociología.

La mayoría de las investigaciones sociológicas no son continuas, sino selectivas: de acuerdo con reglas estrictas, se selecciona un cierto número de personas que reflejan las características sociodemográficas de la estructura del objeto en estudio. Este tipo de investigación se llama muestreo.

Al construir una muestra sociológica, se utilizan muchos términos especiales, incluidos dos de los más importantes: general Y población de muestra.

La población de la cual se seleccionan las opciones para el estudio conjunto se llama general y la parte de sus miembros seleccionados de la población general se llama muestras,o población de muestra. El tamaño de la población está indicado por el símbolo norte, y el tamaño de la muestra es norte.

Población general considerar a toda la población o aquella parte de ella que el sociólogo pretende estudiar, un conjunto de personas que tienen una o más propiedades por estudiar. A menudo la población (también llamada población) es tan grande que entrevistar a cada miembro es extremadamente engorroso y costoso. Estos son aquellos a quienes se dirige el interés teórico de un sociólogo (en el sentido de que un científico sólo puede conocer a cada representante de la población general de forma indirecta, sobre la base de información sobre la población de muestra).

Muestreo es un conjunto de elementos de un objeto de investigación sociológica que es objeto de estudio directo. El concepto de muestreo en estadística y sociología se considera en dos significados:

– muestra (como resultado de una acción) – una parte representativa de la población general en la que la ley de distribución de una característica corresponde a la ley de distribución de esta característica en la población general;

– muestreo (como método o proceso de acción): un método para seleccionar objetos de una población general en una muestra.

La muestra debe representar mejor el objeto de estudio (la población general).

Población de muestra– modelo reducido de la población general. En otras palabras, se trata de un conjunto de personas a las que entrevista el sociólogo. Una muestra, o marco muestral, incluye sólo a aquellos a quienes el sociólogo pretende entrevistar directamente. Imaginemos que el tema de su investigación, es decir, el tema, es la actividad económica de los pensionados. Todos los pensionistas (personas mayores de 55 años (mujeres) y 60 (hombres) años) formarán la población general. Utilizando fórmulas especiales, el sociólogo calculó que le bastaba con encuestar a 2,5 mil pensionistas. Esta se convertirá en su población de muestra.

La regla básica para su compilación es: Todos los elementos de la población deben tener las mismas posibilidades de ser incluidos en la muestra..¿Pero cómo lograrlo? En primer lugar, es necesario conocer tantas propiedades o parámetros de la población general como sea posible, por ejemplo, la distribución en edad, ingresos, nacionalidad y lugares de residencia de los encuestados. La dispersión en las edades de los encuestados se llama variación,valores de edad específicos – valores, y la totalidad de todos los valores se forma. variable.

Así, la variable “edad” tiene valores de 0 a 70 (esperanza de vida media) o más años. Los valores se agrupan en intervalos: 0–5, 6–10, 11–15 años, etc. Se pueden agrupar de diferentes formas, todo depende de los objetivos del estudio. Los intervalos de valores para la variable “edad” en el caso de los pensionados comienzan en los 55 y 60 años.

Una población entera, una nación entera o un grupo social muy grande rara vez constituye una población general. En la mayoría de los estudios empíricos, el sociólogo está interesado en un problema particular, por ejemplo, el creciente número de divorcios entre familias jóvenes en las grandes ciudades o el interés en actividades de inversión entre los representantes de la clase media de una ciudad capital. Las actividades de divorcio y de inversión son temas que interesan a un investigador en particular en un período de tiempo determinado. En consecuencia, todas las personas involucradas en este proceso o que participen en este evento serán convocadas grupo de interés.Puede haber miles o decenas de miles de personas. Constituyen la población fuente, o población, a partir de la cual el sociólogo construye una muestra y la entrevista.

La esencia del método de muestreo es juzgar por las propiedades de una parte (muestra), las características numéricas del todo (población general), y por grupos individuales de elementos, sobre su totalidad, que a veces se considera como una colección de infinitamente gran volumen. La base del método de muestreo es la conexión interna que existe en las poblaciones entre lo individual y lo general, la parte y el todo.

Muestra representativa en sociología se considera una población muestra cuyas características principales coinciden completamente (representadas en la misma proporción o con la misma frecuencia) con las mismas características de la población general. Sólo para este tipo de muestra se pueden extender los resultados de una encuesta de algunas unidades (objetos) a toda la población. Una condición necesaria para construir una muestra representativa es la disponibilidad de información sobre la población general, es decir, una lista completa de unidades (sujetos) de la población general o información sobre la estructura según características que influyen significativamente en la actitud hacia el sujeto. de investigación.

Bajo representatividad En sociología entendemos las propiedades de una muestra que le permiten actuar como modelo, representativa de la población general, en el momento de la encuesta. En otras palabras, una muestra representativa es un modelo exacto de la población general que debe reflejar (según parámetros que sean significativos para el estudio). En la medida en que una muestra sea representativa, las conclusiones basadas en el estudio de esa muestra se pueden aplicar a toda la población.

Representante Se considera estudio aquel en el que la desviación en la población de la muestra para las características de control no supera el 5%. Cuando se realiza una encuesta piloto en una población pequeña (por ejemplo, dentro de una facultad de hasta 100 a 250 personas), una encuesta continua será representativa. A escala universitaria, bastará con encuestar al 25% del total de estudiantes.

Una vez que el sociólogo ha decidido a quién quiere entrevistar, determina marco de muestreo Luego se decide la cuestión del tipo de muestreo.

Tipos de muestreo Los principales tipos de muestreo estadístico se denominan: aleatorio (probabilidad) y no aleatorio (no probabilidad). El tipo de muestreo indica cómo se incluyen las personas en la población de muestra. tamaño de la muestra informa cuántos de ellos llegaron allí.

Pasemos a las características de las muestras más habituales.

Requisitos de muestreo

Se aplican a la muestra una serie de requisitos obligatorios, determinados principalmente por las metas y objetivos del estudio. La planificación de un experimento debe incluir la consideración tanto del tamaño de la muestra como de varias de sus características. Por tanto, en la investigación psicológica el requisito es importante. uniformidad muestras. Esto significa que un psicólogo que estudia, por ejemplo, adolescentes, no puede incluir adultos en la misma muestra. Por el contrario, un estudio realizado mediante el método de secciones de edad supone fundamentalmente la presencia de sujetos de diferentes edades. Sin embargo, incluso en este caso se debe mantener la homogeneidad de la muestra, pero según otros criterios, principalmente como la edad y el sexo. La base para formar una muestra homogénea pueden ser diferentes características, como el nivel de inteligencia, la nacionalidad, la ausencia de determinadas enfermedades, etc., según los objetivos del estudio.

En estadística general existe un concepto. repetido Y no repetitivo muestras, o lo que es lo mismo, muestras con y sin devolución. Como ejemplo, por regla general, se da la elección de una bola extraída de un recipiente. En el caso del muestreo de retorno, cada bola seleccionada se devuelve al contenedor y, por lo tanto, se puede seleccionar nuevamente. En caso de selección no repetitiva, la bola una vez seleccionada se deja a un lado y ya no puede participar en la selección. En la investigación psicológica se pueden encontrar análogos de este tipo de métodos de organización de un estudio muestral, ya que un psicólogo a menudo tiene que evaluar a los mismos sujetos varias veces utilizando la misma técnica. Sin embargo, en sentido estricto, en este caso se repite el procedimiento de prueba. La muestra de sujetos, con total identidad de composición, en el caso de estudios repetidos siempre tendrá algunas diferencias debido a la variabilidad funcional y relacionada con la edad inherente a todas las personas. Debido a la naturaleza del procedimiento, dicha muestra se repite, aunque el significado del término aquí es obviamente diferente que en el caso de las bolas.

Es importante enfatizar que todos los requisitos para cualquier muestra se reducen al hecho de que, a partir de ella, el psicólogo debe obtener la información más completa y sin distorsiones sobre las características de la población general de la que se tomó esta muestra. En otras palabras, la muestra debe reflejar lo más completamente posible las características de la población que se estudia.

La composición de la muestra experimental debe representar (modelar) a la población general, ya que se espera que las conclusiones obtenidas en el experimento se transfieran posteriormente a toda la población. Por tanto, la muestra debe tener una calidad especial: representatividad, permitiendo que las conclusiones obtenidas del mismo sean extensibles a toda la población.

La representatividad de la muestra es muy importante, sin embargo, por razones objetivas es extremadamente difícil de mantener. Por lo tanto, es un hecho bien conocido que del 70% al 90% de todos los estudios psicológicos del comportamiento humano se llevaron a cabo en los Estados Unidos en los años 60 del siglo XX con estudiantes universitarios, la mayoría de ellos estudiantes de psicología. En las investigaciones de laboratorio realizadas con animales, el tema de estudio más común son las ratas. Por tanto, no es casualidad que antes la psicología fuera llamada “la ciencia de los estudiantes de segundo año y de las ratas blancas”. Los estudiantes universitarios de psicología representan sólo el 3% de la población total de Estados Unidos. Es obvio que la muestra de estudiantes no es representativa como un modelo que pretende representar a toda la población del país.

Representante muestreo, o, como también dicen, representante Una muestra es una muestra en la que todas las características principales de la población general se presentan aproximadamente en la misma proporción y con la misma frecuencia con la que aparece una característica determinada en una población general determinada. En otras palabras, una muestra representativa es un modelo más pequeño pero preciso de la población que pretende reflejar. En la medida en que la muestra sea representativa, se puede suponer razonablemente que las conclusiones basadas en el estudio de esa muestra se aplican a toda la población. Esta distribución de resultados se llama generalizabilidad.

Lo ideal es que una muestra representativa sea tal que cada una de las principales características, rasgos, rasgos de personalidad, etc., sean estudiados por un psicólogo. estarían representados en él en proporción a los mismos rasgos en la población general. De acuerdo con estos requisitos, el procedimiento de muestreo debe tener una lógica interna que pueda convencer al investigador de que, en comparación con la población general, será efectivamente representativo.

En su actividad específica, el psicólogo actúa de la siguiente manera: establece un subgrupo (muestra) dentro de la población general, estudia esta muestra en detalle (realiza trabajos experimentales con ella) y luego, si los resultados del análisis estadístico lo permiten, amplía los hallazgos. a toda la población. Estas son las principales etapas del trabajo de un psicólogo con una muestra.

El aspirante a psicólogo debe ser consciente de un error que se repite con frecuencia: cada vez que recopila datos mediante cualquier método y de cualquier fuente, siempre se siente tentado a generalizar sus conclusiones a toda la población. Para evitar tal error, no sólo es necesario tener sentido común, sino, sobre todo, dominar los conceptos básicos de la estadística matemática.

Análisis y evaluación de la representatividad de la muestra.
El análisis de la muestra se realizó mediante aleatorización de la población muestral por su homogeneidad y ausencia de error estadístico, y se evaluó la representatividad comparando la muestra y la población general de trabajadores, por la posibilidad y validez de extender las interdependencias identificadas a todo el conjunto. población. Sin embargo, cabe señalar que las cuestiones relacionadas con la representatividad de la muestra no son suficientes para la aplicabilidad de este modelo, ya que el éxito de la aplicación de cualquier modelo depende no sólo de su confiabilidad, sino también del método utilizado y de las condiciones de un situación particular.
Los métodos para formar una población muestral y su desviación del azar determinan el error sistemático, lo que reduce la representatividad de la muestra. La confiabilidad de los datos calculados y las interdependencias identificadas están determinadas en gran medida por la representatividad de la población de la muestra, que, a su vez, depende del procedimiento para seleccionar las unidades en estudio: los propios trabajadores de la población general. En este estudio, la población de muestra estuvo formada por empleados de organizaciones modernas. Dado que la motivación como fenómeno se considera a nivel individual, la población de muestra fue un conjunto de empleados de diversas organizaciones. El mecanismo y procedimiento para muestrear a los trabajadores de la población general fue de múltiples etapas y combinado.
El muestreo multietapa fue el siguiente: la primera etapa fue la selección de organizaciones, en esta etapa prevaleció la selección típica, y el muestreo se basó en la selección de organizaciones diferentes tanto en tipo de negocio y campo de actividad como en tecnología. usado y tamaño. La segunda etapa del muestreo fue la selección del departamento funcional o grupo de trabajo cuyos empleados fueron encuestados. En esta etapa, el método de selección estaba cerca de la selección en serie, cuando las poblaciones de muestra se combinaban en pequeños grupos. La tercera etapa del muestreo es la selección de los propios trabajadores que fueron encuestados. En esta etapa, los autores intentaron acercar la muestra al azar, es decir, brindar igualdad de oportunidades a los empleados para participar en la encuesta. Así, en la etapa de muestreo, los autores buscaron

Tabla P10.1
Representatividad de la muestra y capacidad de generalizar conclusiones.

acercar el método de selección lo más posible al aleatorio, lo que contribuye a la formación de una muestra representativa y representativa.
El muestreo de múltiples etapas ayuda a suavizar posibles errores sistemáticos, y la aleatoriedad del muestreo está determinada en mayor medida por el muestreo directo de los empleados de las propias organizaciones modernas.
La comparación de la población de muestra con la población general reveló algunas características que deben tenerse en cuenta a la hora de generalizar los resultados obtenidos en el estudio.
En primer lugar, la distribución de la población de la muestra por edades prácticamente coincidió con la población general, lo que evidencia la aleatoriedad de la muestra de trabajadores y confirma la corrección del mecanismo y procedimiento elegido para la selección de trabajadores.
En segundo lugar, la distribución de trabajadores por categoría o puesto está sesgada en la muestra desde las categorías de trabajadores/ejecutivos hasta la categoría de directivos/gerentes. Esto se explica en parte por el hecho de que la categoría de gerentes incluye a los trabajadores que son responsables de todo el proceso en su conjunto (gerentes de proyecto y proceso), así como a los trabajadores que tienen otros trabajadores subordinados a ellos (líderes de grupo, capataces, capataces). .
En tercer lugar, el nivel de educación reflejó errores sistemáticos asociados con la realización de esta investigación en organizaciones modernas en Moscú, así como en organizaciones "abiertas" a la investigación.
La comprobación de la representatividad de la muestra se basa en la aleatoriedad en la encuesta a los propios trabajadores, el tamaño y representatividad de la muestra, su correspondencia con la población general, permitiendo al mismo tiempo la presencia de un error sistemático en la selección de las propias organizaciones y departamentos dentro de las organizaciones.
Otra herramienta para evaluar la representatividad y homogeneidad de una muestra es la aleatorización, una encuesta ramificada que controla los cambios en el contenido cualitativo de la muestra y su diferencia con la población general.
Aleatorización
La muestra completa se dividió en dos subgrupos, la representatividad estadística de los subgrupos se logra distribuyéndolos al azar, grupo A - números impares, grupo B - pares de cuestionarios. La representatividad nos permite generalizar los resultados obtenidos a toda la población.
Es importante señalar que existen pequeñas diferencias en la composición de las submuestras obtenidas durante la aleatorización, lo que indica la homogeneidad de la muestra.

Tabla P10.2

y el enfoque del procedimiento de selección al azar, por otro lado, existen pequeñas diferencias en el significado de los indicadores correspondientes de motivación laboral. Basándonos en la insignificancia de la discrepancia entre los indicadores, dentro del 5% de las desviaciones (ver Tabla A10.2), podemos concluir que el método elegido para seleccionar empleados fue correcto. Corregir la composición de la muestra para que coincida estrechamente con las estadísticas oficiales no supondrá una diferencia significativa.
Tabla P10.3
Evaluación de la estimación de la homogeneidad de la muestra

Continuación del cuadro A10.3

En este estudio, también es importante investigar posibles errores sistemáticos en la formación de la población de muestra, que no dependen del número de repeticiones del experimento, pero que pueden introducir ajustes y restricciones en el alcance de aplicabilidad del modelo propuesto.

El error específico promedio es del 3,1%, menos del 5%. Los resultados del análisis de aleatorización y homogeneidad de la población de la muestra muestran que el método de muestreo elegido es casi aleatorio.