210 likes | 647 Views
Bola de Nieve. López Cabrera Jesús A. Hernández Molina Esmeralda Mercado Mendoza Mario A. Contenido. Introducción Características de las muestras NO probabilísticas Tipos de muestras NO probabilísticas Población objetivo Bola de Nieve Faces Ventajas Desventajas Aplicación
E N D
Bola de Nieve López Cabrera Jesús A. Hernández Molina Esmeralda Mercado Mendoza Mario A.
Contenido • Introducción • Características de las muestras NO probabilísticas • Tipos de muestras NO probabilísticas • Población objetivo • Bola de Nieve • Faces • Ventajas • Desventajas • Aplicación • Conclusiones
Introducción Se desea medir alguna característica en una población la cual no se tiene marco de muestreo y peor aun, los individuos de ésta población son muy difíciles de encontrar. Solo sabemos que los elementos de la población existen en algún lugar del universo.
Introducción No tenemos marco de muestreo en lo absoluto, ¿Que tipo de población podría cumplir con las características descritas arriba?
Población Objetivo • Drogadictos • Prostitutas • Delincuentes • Gente corrupta • Homosexuales • Enfermos de SIDA
Características de las muestras no probabilísticas • Las muestras no probabilísticas, suponen un procedimiento de selección informal. • No es posible establecer a priori la probabilidad que tienen los miembros del universo, de ser seleccionados como parte de la muestra. • El proceso de selección de los elementos de la muestra es subjetivo a criterio y voluntad del investigador. • Su mayor inconveniente es la desconocida relación entre estimadores y parámetros, haciendo difícil la estimación de éstos últimos.
Tipos de muestras NO probabilísticas • Muestra de sujetos voluntarios: El investigador elabora conclusiones sobre especimenes que llegan a sus manos en forma casual. • Muestra por cuotas: Se utiliza en estudios de opinión y de mercadotecnia. Los encuestadores reciben instrucciones de administrar cuestionarios con sujetos en la calle, y al hacerlo van conformando cuotas de acuerdo con la proporción de ciertas variables demográficas en la población.
Tipos de muestras NO probabilísticas Ejemplo de muestreo por cuotas: En un estudio sobre la actitud de la población hacia un candidato político, se les indica a los encuestadores entrevistar a 150 sujetos • 25% sean hombres mayores de 30 años, • 25% mujeres mayores de 30 años, • 25% sean hombres menores de 25 años, • 25% mujeres menores de 25 años.
Bola de Nieve Origen: Coleman (1958) “Relational Analysis” y Leo. Goodman (1961) “Snowball sampling”, The annals of Mathematics. Idea central: Cada individuo en la población puede nominar a otros individuos en la población, los cuales tienen la misma probabilidad de ser seleccionados. A los individuos que son escogidos, se les pide nominar a otras personas. Supuesto: Los miembros de la población escondida no viven en completo aislamiento, es decir, tienen por lo menos una “red social” con la cual es posible contactarlos.
Bola de nieve Ventajas: • Es un método eficiente en los casos donde se tiene una población de escasos elementos o donde cierto grado de confianza es requerido para que estén dispuestos a participar en la investigación. • Permite la creación de un marco de muestra cuando éste no existía con anterioridad. • Todos los individuos entrevistados son del conjunto de la población objetivo.
Bola de nieve Desventajas • Como se mencionó anteriormente, produce estimadores sesgados. Principalmente con los individuos “populares” dentro de una red • Hay poca representatividad entre los resultados y por ende no se puede extrapolar hacia la población.
Bola de nieve Tipos de Sesgos • Sesgo de Distancia Social • El modelo de las isla • Círculos traslapados • Sesgo reflexivo • Sesgo forzado de campo
Bola de nieve: Aplicación Adictos a la Heroína fuera del sistema de tratamientos en la ciudad de Hague, Holanda. Objetivo: El estudio tiene por fin describir las similaridades y diferencias en usuarios de drogas, que existen entre la población de adictos dentro y fuera del sistema de tratamiento. Selección de primeros encuestados: Para adquirir un grupo de estudio que se aproxime a una muestra aleatoria, una condición muy importante es que el primer grupo de encuestados (en la etapa cero) debe ser seleccionado aleatoriamente.
Bola de nieve Primera fase: Construcción de un mapa de redes. Entre los usuarios se encontraban • Usuarios de Heroína sin casa • Usuarios de Heroína procedentes de Surinam • Prostitutas usuarias de heroína • Usuarios de heroína en los suburbios
Bola de nieve • El procedimiento de referenciado • Entrevista • Resultados: Tamaño de muestra fue 62, de los cuales los primeros 26 fueron entrevistados sin usar Bola de Nieve. Los subsecuentes respondientes fueron escogidos aleatoriamente entre 243 nominados, hubo en promedio 2.1 sub-etapas para los referenciados.
Bola de nieve Conclusiones • Las metodologías basadas en Bola de Nieve son una herramienta muy valiosa para abordar el problema de estudiar los estilos de vida de poblaciones que son difíciles de localizar. • Dado que los miembros de la población no cumplen con ser en rigor elegidos al azahar, las estimaciones provenientes están sujetas a sesgos
Bola de nieve Conclusiones • Es imposible determinar si una etapa cero es verdaderamente aleatoria, debido a la ausencia de un marco de muestreo. • En este estudio, los investigadores encuentran un considerable salto entre la teoría y la práctica. Muchos pasos tuvieron que ser improvisados de último momento.
Evolución Bola de Nieve es un buen Método y bastante novedoso. Sin embargo, ya hay bajo investigación evoluciones : RESPONDENT DRIVEN
Evolución Idea central: • La muestra es usada para hacer setimaciones acerca de cómo la red se conecta con la población • Usando información de ésta red, se deriva la proporción poblacional en diferentes grupos
Bibliografía • Etter, Jean-francois, “Snowballsampling by mail application” • Eland-Goossensen, “Snowball sampling applied to opiate addicts outside the treatment system” • Hernández Sampieri, Roberto ”Metodología de la investigación” • Salganik. Mattehew “Sampling and estimation in hidden populations using respondent-driven sampling” • Salganik. Mattehew “Variance estimation, design effects, and sample size calculations for respondent driven sampling” • Tsvetovat, Max “live journal report on snowball sampling”