Skip to main content
SpringerLink
Log in

Process Sampling

  • Chapter
  • First Online:
Problem-Based Learning: A Didactic Strategy in the Teaching of System Simulation

Part of the book series: Studies in Computational Intelligence ((SCI,volume 824))

Abstract

This chapter provides a basic introduction to descriptive statistic including sampling techniques such as population, simple random sampling, systematic random sampling, stratified sampling, cluster sampling, and non-probabilistic sampling to have enough knowledge to be able to decide which is the most appropriate sampling technique.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 84.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 109.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info
Hardcover Book
USD 109.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

References

  1. Traulsen, Arne, Jens Christian Claussen, and Christoph Hauert. 2005. Coevolutionary dynamics: from finite to infinite populations. Physical Review Letters 95 (23): 238701.

    Google Scholar 

  2. Paterakis, Michael, Leonidas Georgiadis, and Panayota Papantoni-Kazakos. 1987. On the relation between the finite and the infinite population models for a class of raa’s. IEEE Transactions on Communications 35 (11): 1239–1240.

    Google Scholar 

  3. Shorrocks, Anthony F. 1984. Inequality decomposition by population subgroups. Econometrica: Journal of the Econometric Society 1369–1385.

    Google Scholar 

  4. Imbens, Guido W., and Donald B Rubin. 2015. Causal inference in statistics, social, and biomedical sciences. Cambridge: Cambridge University Press.

    Google Scholar 

  5. Pett, Marjorie A. 2015. Nonparametric statistics for health care research: Statistics for small samples and unusual distributions. New York: Sage Publications.

    Google Scholar 

  6. Siddharth Kalla. 2009. Statistical significance, Sample Size and Expected Effects.

    Google Scholar 

  7. Camacho-Sandoval, Jorge. 2007. Investigación, poblaciones y muestra. Acta Médica Costarricense 49 (1): 11–12.

    Google Scholar 

  8. José Luis Ventura-León. 2017. ¿población o muestra?: Una diferencia necesaria. Revista Cubana de Salud Pública 43 (4).

    Google Scholar 

  9. Wilson Herrera Llanos. 2011. La población (segundo elemento constitutivo del estado colombiano). Revista de Derecho 19 (19).

    Google Scholar 

  10. Gallego, José A Mayor. 2011. Muestreo en poblaciones finitas.

    Google Scholar 

  11. Ojeda Mario Miguel. 2003. La inferencia en muestreo de poblaciones finitas y el analisis de datos de encuestas. Technical report, e-libro, Corp.

    Google Scholar 

  12. Belaire, Begoña Font. 1999. Una revisión de diferentes aportaciones al diseño en poblaciones finitas. Qüestiió: quaderns d’estadística i investigació operativa, 23 (1): 3–39.

    Google Scholar 

  13. Betanzos-Mendoza, Esteban. 1975. competencia entre plantas y la genetica de poblaciones.-i. estimacion de medias y varianzas en una poblacion hipotetica. Agricultura tecnica en Mexico.

    Google Scholar 

  14. Badii, M., and A. Guillen. 2009. Decisiones estadísticas: Bases teóricas:(statistical decision making: Theoretical basis). International Journal of Good Conscience 5: 185–207.

    Google Scholar 

  15. Coale, Ansley J., Paul Demeny, and Barbara Vaughan. 2013. Regional Model Life Tables and Stable Populations: Studies in Population. New York: Elsevier.

    Google Scholar 

  16. Schoen, Robert. 2013. Modeling multigroup populations. Berlin: Springer Science & Business Media.

    Google Scholar 

  17. Irene Albarrán Lozano and Pablo Alonso González. 2009. La población dependiente en españa: estimación del número y coste global asociado a su cuidado. Estudios de economía 36 (2): 127–163.

    Google Scholar 

  18. Abellán García, Antonio, Cecilia Esparza Catalán and Julio Pérez Díaz. 2011. Evolución y estructura de la población en situación de dependencia.

    Google Scholar 

  19. Escolano, Antonio Alegre, Mercedes Ayuso Gutiérrez, Montserrat Guillén Estany, Malena Monteverde Verdenelli, and Enrique Pociello García. 2005. Tasa de dependencia de la población española no institucionalizada y criterios de valoración de la severidad. Revista Española de Salud Pública 79: 351–363.

    Google Scholar 

  20. Escamilla, Juan Bacilio Guerrero, Laura Miriam Franco Sánchez, and Sonia Bass Zavala. 2018. Modelo probabilístico para predecir la dinámica de la tasa de delincuencia en michoacán. Ciencia Ergo Sum, 25 (1): 1–38.

    Google Scholar 

  21. Ávila-Curiel, A., T. Shamah, L. Barragán, A. Chávez, M.A. Avila, and L. Juárez. 2004. Índice epidemiológico de nutrición infantil basado en un modelo polinomial de los valores de puntuación z del peso para la edad. Archivos Latinoamericanos de Nutricion 54 (1): 50–57.

    Google Scholar 

  22. Quitian, Hoover, Rafael E Ruiz-Gaviria, Carlos Gómez-Restrepo and Martin Rondón. 2016. Pobreza y trastornos mentales en la población colombiana, estudio nacional de salud mental 2015. Revista Colombiana de Psiquiatría, 45: 31–38.

    Google Scholar 

  23. Prieto, Mercedes. 2015. El estado ecuatoriano a mediados del s. xx: el censo, la población y la familia indígena. European Review of Latin American and Caribbean Studies/Revista Europea de Estudios Latinoamericanos y del Caribe, 29–46.

    Google Scholar 

  24. Mazurek, Hubert. 2016. El censo en bolivia, una herramienta para el desarrollo. Tinkazos-Revista Boliviana de Ciencias Sociales 15 (32).

    Google Scholar 

  25. Marmolejo Carlos Carlos, and Jorge Cerda Troncoso. 2017. El comportamiento espacio-temporal de la población como instrumento de análisis de la estructura urbana: el caso de la barcelona metropolitana. Cuadernos Geográficos 56 (2): 111–133.

    Google Scholar 

  26. Badii, M.H., J. Castillo, and A. Guillen. 2017. Tamaño óptimo de la muestra. InnOvaciOnes de NegOciOs, (09).

    Google Scholar 

  27. Orozco, Carlos Andrés Tobón, and José Rubiel Bedoya Sánchez. 2017. Influencia de la asimetría en el tamaño de la muestra para el cumplimiento del teorema central del límite en distribuciones continúas. Scientia et technica 22 (4): 398–402.

    Google Scholar 

  28. Otzen, Tamara, and Carlos Manterola. 2017. Técnicas de muestreo sobre una población a estudio. International Journal of Morphology 35 (1): 227–232.

    Google Scholar 

  29. Sabino, Carlos. 2014. El proceso de investigación. Editorial Episteme.

    Google Scholar 

  30. León, Luis Piña, Jorge D’Espaux Salgado, and Hugo de Rojas Gómez. 2018. Técnicas de muestreo aplicadas a la actividad empresarial: la auditoría (11). Revista Economía y Desarrollo (Impresa), 148(2).

    Google Scholar 

  31. Mederos, Jose Almeida Cordero, Nexys Cabrera Padrón, Idanis Caraballo Castro, and Grisel Manso Silva. 2015. El muestreo estadístico, herramienta para proteger la objetividad e independencia de los auditores internos en las empresas cooperativas. Cooperativismo y desarrollo, 3 (1): 36–45.

    Google Scholar 

  32. Espinoza, I. 2016. Tipos de muestreo. Honduras: Universidad de Ciencias Medicas.

    Google Scholar 

  33. Mantilla Vargas, Farid A. 2015. Técnicas de muestreo: Un enfoque a la investigación de mercados.

    Google Scholar 

  34. Ochoa, C. 2015. Muestreo probabilístico o no probabilístico. Blog la actualidad sobre la investigación por internet de Netquest. Recuperado de:http://www.netquest.com/blog/es/muestreo-probabilistico-o-noprobabilistico-ii.

  35. Carrasquedo, K. 2017. Muestreo probabilístico y no probabilístico. Recuperado de https://www. gestiopolis. com/muestreo-probabilistico-y-no-probabilistico.

    Google Scholar 

  36. Moreno, Amable. 2017. Dificultades en la comprensión del concepto de muestra aleatoria simple en estudiantes universitarios.

    Google Scholar 

  37. Al Ghayab, Hadi Ratham, Yan Li, Shahab Abdulla, Mohammed Diykh, and Xiangkui Wan. 2016. Classification of epileptic eeg signals based on simple random sampling and sequential feature selection. Brain Informatics 3 (2): 85–91.

    Google Scholar 

  38. Commons, Wikimedia. 2016. File:simple random sampling.png—wikimedia commons, the free media repository. [Accessed 11 November 2018].

    Google Scholar 

  39. Ben-Hamou, Anna, Yuval Peres, Justin Salez, et al. 2018. Weighted sampling without replacement. Brazilian Journal of Probability and Statistics 32 (3): 657–669.

    Google Scholar 

  40. Shabbir, Javid, Abdul Haq, and Sat Gupta. 2014. A new difference-cum-exponential type estimator of finite population mean in simple random sampling. Revista Colombiana de Estadística 37 (1): 199–211.

    Google Scholar 

  41. Rivest, Ronald L. 2018. Consistent sampling with replacement. arXiv:1808.10016.

  42. Sengupta, S. 2016. On comparisons of with and without replacement sampling strategies for estimating finite population mean in randomized response surveys. Sankhya B 78 (1): 66–77.

    Google Scholar 

  43. Shamir, Ohad. 2016. Without-replacement sampling for stochastic gradient methods. In Advances in neural information processing systems, pp. 46–54.

    Google Scholar 

  44. Saby, Nicolas, D.J. Brus, Hakima Boukir, and Vera Laetitia Mulder. 2015. Approximating the sampling variance of means estimated from systematic random sample data of the french soil monitoring network. Pedometrics 2015, Cordoue, ESP, 2015-09-14-2015-09-18.

    Google Scholar 

  45. Bhagat, M., S. Qureshi, S. Kembhavi, G. Chinnaswamy, T. Vora, M. Prasad, L. Sidddhartha, N. Khanna, and M. Ramadwar. 2018. Prospective study of systematic retroperitoneal lymph node sampling for wilms tumors and comparison with random lymph node sampling. In PEDIATRIC BLOOD & CANCER, vol. 65, S466–S466. NJ USA: WILEY 111 RIVER ST, HOBOKEN 07030-5774.

    Google Scholar 

  46. Aune-Lundberg, Linda, and Geir-Harald Strand. 2014. Comparison of variance estimation methods for use with two-dimensional systematic sampling of land use/land cover data. Environmental Modelling & Software 61: 87–97.

    Google Scholar 

  47. Commons Wikimedia. 2016. File:systematic sampling.png — wikimedia commons, the free media repository. [Accessed 11 November 2018].

    Google Scholar 

  48. Bayne, Michael G., and Arindam Chakraborty. 2018. Development of composite control-variate stratified sampling approach for efficient stochastic calculation of molecular integrals. arXiv:1804.01197.

  49. Koyuncu, Nursel, and Cem Kadilar. 2016. Calibration weighting in stratified random sampling. Communications in Statistics-Simulation and Computation 45 (7): 2267–2275.

    Google Scholar 

  50. Shields, Michael D., Kirubel Teferra, Adam Hapij, and Raymond P. Daddazio. 2015. Refined stratified sampling for efficient monte carlo based uncertainty quantification. Reliability Engineering & System Safety, 142: 310–325.

    Google Scholar 

  51. Tipton, Elizabeth, Larry Hedges, Michael Vaden-Kiernan, Geoffrey Borman, Kate Sullivan, and Sarah Caverly. 2014. Sample selection in randomized experiments: A new method using propensity score stratified sampling. Journal of Research on Educational Effectiveness 7 (1): 114–135.

    Google Scholar 

  52. Jing, Liping, Kuang Tian, and Joshua Z. Huang. 2015. Stratified feature sampling method for ensemble clustering of high dimensional data. Pattern Recognition, 48 (11): 3688–3702.

    Google Scholar 

  53. Commons, Wikimedia. 2016. File:stratified sampling.png—wikimedia commons, the free media repository. [Accessed 11 November 2018].

    Google Scholar 

  54. Mauricio Bustamante Jamid, and Sandra Valbuena Antolinez. 2015. Modelo experimental con bloques aleatorios simples y análisis multivariado para el mejoramiento de procesos orgánicos en la agroindustria. Revista EAN 78: 12–19.

    Google Scholar 

  55. Gómez Martínez, Freddy, Alina María Ruiz Piedra, Edilberto Gonzáles Ochoa, and Edelmira Belkis Soca Guevara. 2017. Selección de sintomáticos respiratorios en la habana de enero a abril del 2016 utilizando el muestreo por conglomerado. Revista Cubana de Informática Médica, 9 (2): 144–150.

    Google Scholar 

  56. Overgaard, Hans, Neal Alexander, Juan Felipe Jaramillo, Víctor Alberto Olano, Sandra Vargas, Diana Sarmiento, Audrey Lenhart, Razak Seidu, Thor Axel Stenström, and María Inés Matiz. 2015. Control de diarrea y dengue en escuelas primarias rurales de colombia: protocolo de estudio para un ensayo aleatorio y controlado por conglomerados. Revista Salud Bosque, 4 (1): 75–90.

    Google Scholar 

  57. Commons, Wikimedia. 2016. File:cluster sampling.png—wikimedia commons, the free media repository. [Accessed 11 November 2018].

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Faculty of Mathematical and Physical Sciences, University of Guayaquil, Guayaquil, Ecuador

    Lorenzo Cevallos-Torres

  2. Eindhoven University of Technology, Eindhoven, The Netherlands

    Miguel Botto-Tobar

  3. University of Guayaquil, Guayaquil, Ecuador

    Miguel Botto-Tobar

Authors
  1. Lorenzo Cevallos-Torres
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Miguel Botto-Tobar
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Lorenzo Cevallos-Torres .

Rights and permissions

Reprints and permissions

Copyright information

© 2019 Springer Nature Switzerland AG

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Cevallos-Torres, L., Botto-Tobar, M. (2019). Process Sampling. In: Problem-Based Learning: A Didactic Strategy in the Teaching of System Simulation. Studies in Computational Intelligence, vol 824. Springer, Cham. https://doi.org/10.1007/978-3-030-13393-1_2

Download citation

Publish with us

Policies and ethics

Search

Navigation