Diferença entre amostragem estratificada e por cluster

Em nosso artigo anterior, discutimos amostras de probabilidade e não probabilidade, nas quais encontramos tipos de amostragem de probabilidade, ou seja, Amostragem Estratificada e Amostragem por Cluster. Na técnica de amostragem estratificada, a amostra é criada a partir da seleção aleatória de elementos de todos os estratos, enquanto na amostragem por cluster, todas as unidades dos clusters selecionados aleatoriamente formam uma amostra.

Na amostragem estratificada, é seguido um processo de duas etapas para dividir a população em subgrupos ou estratos. Por outro lado, na amostragem por cluster inicialmente, uma partição de objetos de estudo é transformada em subgrupos mutuamente exclusivos e coletivamente exaustivos, conhecidos como cluster. depois disso, uma amostra aleatória do cluster é escolhida, com base em amostragem aleatória simples.

Neste trecho do artigo, você pode encontrar todas as diferenças entre amostragem estratificada e por cluster, portanto, leia.

Conteúdo: Amostragem estratificada versus amostragem de cluster

1. Gráfico de comparação
2. Definição
3. Principais diferenças
4. Conclusão

Gráfico de comparação

Base para Comparação	Amostragem estratificada	Amostras agrupadas
Significado	Amostragem estratificada é aquela em que a população é dividida em segmentos homogêneos e, em seguida, a amostra é retirada aleatoriamente dos segmentos.	Amostragem por cluster refere-se a um método de amostragem em que os membros da população são selecionados aleatoriamente, dentre grupos de ocorrência natural chamados 'cluster'.
Amostra	Indivíduos selecionados aleatoriamente são retirados de todos os estratos.	Todos os indivíduos são retirados de clusters selecionados aleatoriamente.
Seleção de elementos da população	Individualmente	Coletivamente
Homogeneidade	Dentro do grupo	Entre grupos
Heterogeneidade	Entre grupos	Dentro do grupo
Bifurcação	Imposta pelo pesquisador	Grupos de ocorrência natural
Objetivo	Para aumentar a precisão e a representação.	Para reduzir custos e melhorar a eficiência.

Definição de Amostragem Estratificada

Amostragem estratificada é um tipo de amostragem probabilística, na qual, em primeiro lugar, a população é bifurcada em vários subgrupos homogêneos (estratos) mutuamente exclusivos; depois disso, um sujeito é selecionado aleatoriamente de cada grupo (estrato), que é então combinado para formar uma única amostra. Um estrato nada mais é do que um subconjunto homogêneo da população e, quando todo o estrato é reunido, é conhecido como estrato.

Os fatores comuns em que a população está separada são idade, gênero, renda, raça, religião etc. Um ponto importante a ser lembrado é que os estratos devem ser coletivamente exaustivos, de modo que nenhum indivíduo seja deixado de lado e também não se sobreponha, porque o estrato sobreposto pode resultam no aumento das chances de seleção de alguns elementos da população. Os subtipos de amostragem estratificada são:

• Amostragem estratificada proporcional
• Amostragem estratificada desproporcional

Definição de Amostragem de Cluster

A amostragem por agrupamento é definida como uma técnica de amostragem na qual a população é dividida em agrupamentos já existentes (agrupamentos) e, em seguida, uma amostra do agrupamento é selecionada aleatoriamente da população. O termo cluster refere-se a um agrupamento intacto natural, mas heterogêneo, dos membros da população.

As variáveis ​​mais comuns usadas na população de agrupamentos são a área geográfica, edifícios, escola etc. A heterogeneidade do agrupamento é uma característica importante de um projeto ideal de amostra de agrupamento. Os tipos de amostragem por cluster são apresentados abaixo:

• Amostragem em cluster de estágio único
• Amostragem por cluster em dois estágios
• Amostragem de cluster de vários estágios

Principais diferenças entre a amostragem estratificada e de cluster

As diferenças entre a amostragem estratificada e a amostragem por conglomerados podem ser definidas claramente pelos seguintes motivos:

1. Um procedimento de amostragem probabilística no qual a população é separada em diferentes segmentos homogêneos chamados 'estratos' e, em seguida, a amostra é escolhida de cada estrato aleatoriamente, é chamada de Amostragem Estratificada. A amostragem por cluster é uma técnica de amostragem na qual as unidades da população são selecionadas aleatoriamente de grupos já existentes chamados 'cluster'.
2. Na amostragem estratificada, os indivíduos são selecionados aleatoriamente de todos os estratos, para constituir a amostra. Por outro lado, a amostragem por conglomerados, a amostra é formada quando todos os indivíduos são retirados de clusters selecionados aleatoriamente.
3. Na amostragem por cluster, os elementos da população são selecionados em agregados, no entanto, no caso da amostragem estratificada, os elementos da população são selecionados individualmente em cada estrato.
4. Na amostragem estratificada, há homogeneidade dentro do grupo, enquanto que no caso de amostragem por conglomerados, a homogeneidade é encontrada entre os grupos..
5. A heterogeneidade ocorre entre os grupos na amostragem estratificada. Pelo contrário, os membros do grupo são heterogêneos na amostragem por conglomerados.
6. Quando o método de amostragem adotado pelo pesquisador é estratificado, as categorias são impostas por ele. Por outro lado, as categorias já são grupos existentes na amostragem por cluster.
7. A amostragem estratificada visa melhorar a precisão e a representação. Ao contrário da amostragem por cluster, cujo objetivo é melhorar a relação custo-benefício e a eficiência operacional.

Conclusão

Para terminar a discussão, podemos dizer que uma situação preferível para a amostragem estratificada é quando a identidade dentro de um estrato individual e estratos pretende variar um do outro. Por outro lado, a situação padrão para amostragem de cluster é quando a diversidade entre os clusters e o cluster não deve variar entre si.

Além disso, os erros de amostragem podem ser reduzidos na amostragem estratificada, se as diferenças entre os grupos forem aumentadas, enquanto as diferenças entre os grupos entre os clusters devem ser minimizadas para reduzir os erros de amostragem na amostragem de cluster..