Quizá, la definición teórica de población estadística sea un poco abstracta. Por eso, sin renunciar a la rigurosidad y precisión que requieren las variables cuantitativas, vamos a intentar abordar el concepto de población estadística de la forma más sencilla posible.
Empezaremos por la palabra población. ¿En qué piensas cuando lees o escuchas la palabra población? Muy probablemente en un número de personas. Por ejemplo, la población de Argentina, la población de Chile, la población de Nueva York o la población mundial. Y dirás, ¿qué tiene que ver la población con la estadística? Pues tiene que ver mucho. Todo se remonta a los orígenes de la palabra estadística.
Con esto en mente, seguiremos la siguiente secuencia para entender el concepto: origen de la palabra, principales tipos de población y un ejemplo de población estadística.
la estadística nace con el objetivo de medir y cuantificar características de la vida cotidiana. Así, los gobiernos comienzan a elaborar censos de población, tablas de mortalidad y natalidad e incluso en Roma se registraban las tierras y propiedades que tenían los ciudadanos.
De ahí que la palabra que se utilizase y se utilice sea la de población. Pues, inicialmente, se cuantifican cosas sobre la población de un territorio.
tipos de población
- Población estadística finita: Es aquella en la que el número de valores que la componen tiene un fin. Por ejemplo, la población estadística que nos indica la cantidad de árboles de una ciudad es finita. Es cierto que puede variar con el tiempo, pero en un instante determinado es finita, tiene fin.
- Población estadística infinita: Se trata de aquella población que no tiene fin. Por ejemplo, el número de planetas que existen en el universo. Aunque puede que sea finito, el número es tan grande y desconocido que estadísticamente se asume como infinito.
Como vemos en la imagen, tenemos una población estadística de 150 individuos. Los 150 individuos son estudiantes de economía de un instituto. Cuando el número de individuos de una población es reducido, es recomendable utilizar los datos del total de población, pero en casos más grandes es imposible. Para explicar este caso, imaginemos que nosotros somos uno de esos 100 estudiante de economía. Nos encargan que realicemos un estudio sobre qué porcentaje de los alumnos considera que la economía es interesante y nos dan 10 minutos.
En 10 minutos no podemos buscar a todos los alumnos, ir preguntando a las distintas clases, en distintos cursos. Así lo que haremos será preguntar a unos cuantos, por ejemplo a 13. Esos datos no pueden representar de forma 100% fiable a la opinión de los 150 individuos, pero sí podrían ofrecernos una idea aproximada. A estos 13 alumnos es lo que llamamos muestra.
Una muestra estadística es un subconjunto de datos perteneciente a una población de datos. Estadísticamente hablando, debe estar constituido por un cierto número de observaciones que representen adecuadamente el total de los datos.
En este sentido, por cuestiones de tiempo y coste, no podemos recoger la totalidad de los datos. Esta totalidad de los datos es lo que se conoce como población de datos o, simplemente, población.
Características de una muestra estadística representativa
Si se quiere hacer una buena investigación, la calidad de la muestra estadística es esencial. De nada sirve realizar las métricas estadísticas más complejas con los modelos más sofisticados si la muestra estadística está sesgada. Es decir, si la muestra no es representativa.
A la hora de obtener una muestra representativa existen ciertos aspectos que el investigador debe conocer de antemano. Entre esos aspectos se encuentran las características de una muestra representativa. Las características de una muestra representativa son las siguientes:
- Tamaño suficientemente grande: Cuando trabajamos con muestras estamos, normalmente, trabajando con una cantidad de datos inferior a la población. Ahora bien, para que una muestra estadística sea representativa deberá ser lo suficientemente grande como para considerarse representativa. Por ejemplo, si nuestra población está formada por 10 millones de datos y escogemos 10, es difícil que sea representativa. Eso sí, no siempre a mayor tamaño la muestra es más representativa.
- Aleatoriedad: La selección de los datos de una muestra estadística debe ser aleatoria. Es decir, debe ser totalmente al azar. Si en lugar de realizarlo al azar, realizamos un proceso de selección de datos planificado, estamos introduciendo un sesgo a la obtención de datos. Por tanto, para evitar que la muestra sea sesgada y, por tanto, conseguir que sea una muestra representativa, debemos hacer una selección aleatoria
La estadística, como rama de las matemáticas, se encarga de recoger datos, ordenarlos y analizarlos. Es decir, cuando queremos estudiar un determinado fenómeno recurrimos a la estadística. Un buen ejemplo de fenómeno que estudia la estadística, es el salario medio de los ciudadanos de un país
No hay comentarios.:
Publicar un comentario