En estadística matemática , el muestreo por zonas (otro nombre es muestreo estratificado ) es un método de muestreo de la población general , que mejora la precisión de los resultados estadísticos al dividir todo el espacio del evento en varias regiones de estratos y trabajar de forma independiente con estos estratos. Por ejemplo, cada estrato puede utilizar su propio muestreo significativo .
Supongamos que necesitamos estimar el número promedio de votos emitidos por cada candidato en una elección. Supongamos que hay 3 ciudades en un país: la ciudad A tiene 1 millón de trabajadores de fábrica, la ciudad B tiene 2 millones de trabajadores de oficina y la ciudad C tiene 3 millones de jubilados. Podemos optar por obtener una muestra aleatoria de 60 votos de toda la población, pero existe la posibilidad de que la muestra aleatoria esté mal equilibrada en estas ciudades y, por lo tanto, esté sesgada y sea de poca utilidad (" temperatura media del hospital "), error en la estimación . En cambio, si elegimos usar una muestra aleatoria simple de 10, 20 y 30 votos de las ciudades A, B y C, respectivamente, podemos obtener un margen de error más pequeño para el mismo tamaño de muestra total.
Razones para utilizar el muestreo por área en lugar del muestreo aleatorio simple [1] :
Si la densidad de población varía mucho dentro de una región, el muestreo por área garantizará que se puedan realizar estimaciones con la misma precisión en diferentes partes de la región y que se puedan realizar comparaciones subregionales con el mismo poder estadístico . Por ejemplo, en Ontario , un estudio de toda la provincia podría usar una mayor proporción de la muestra del norte menos poblado, porque la diferencia de población entre el norte y el sur es tan grande que la proporción de la muestra de la provincia en su conjunto podría dar como resultado solo muy pocos datos del norte.
También puede utilizar la estratificación aleatoria para aumentar la representatividad de la población en el estudio.