Advertisement

Process Sampling

  • Lorenzo Cevallos-TorresEmail author
  • Miguel Botto-Tobar
Chapter
Part of the Studies in Computational Intelligence book series (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.

References

  1. 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. 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. 3.
    Shorrocks, Anthony F. 1984. Inequality decomposition by population subgroups. Econometrica: Journal of the Econometric Society 1369–1385.Google Scholar
  4. 4.
    Imbens, Guido W., and Donald B Rubin. 2015. Causal inference in statistics, social, and biomedical sciences. Cambridge: Cambridge University Press.Google Scholar
  5. 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. 6.
    Siddharth Kalla. 2009. Statistical significance, Sample Size and Expected Effects.Google Scholar
  7. 7.
    Camacho-Sandoval, Jorge. 2007. Investigación, poblaciones y muestra. Acta Médica Costarricense 49 (1): 11–12.Google Scholar
  8. 8.
    José Luis Ventura-León. 2017. ¿población o muestra?: Una diferencia necesaria. Revista Cubana de Salud Pública 43 (4).Google Scholar
  9. 9.
    Wilson Herrera Llanos. 2011. La población (segundo elemento constitutivo del estado colombiano). Revista de Derecho 19 (19).Google Scholar
  10. 10.
    Gallego, José A Mayor. 2011. Muestreo en poblaciones finitas.Google Scholar
  11. 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. 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. 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. 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. 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. 16.
    Schoen, Robert. 2013. Modeling multigroup populations. Berlin: Springer Science & Business Media.Google Scholar
  17. 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. 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. 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. 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. 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. 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. 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. 24.
    Mazurek, Hubert. 2016. El censo en bolivia, una herramienta para el desarrollo. Tinkazos-Revista Boliviana de Ciencias Sociales 15 (32).Google Scholar
  25. 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. 26.
    Badii, M.H., J. Castillo, and A. Guillen. 2017. Tamaño óptimo de la muestra. InnOvaciOnes de NegOciOs, (09).Google Scholar
  27. 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. 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. 29.
    Sabino, Carlos. 2014. El proceso de investigación. Editorial Episteme.Google Scholar
  30. 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. 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. 32.
    Espinoza, I. 2016. Tipos de muestreo. Honduras: Universidad de Ciencias Medicas.Google Scholar
  33. 33.
    Mantilla Vargas, Farid A. 2015. Técnicas de muestreo: Un enfoque a la investigación de mercados.Google Scholar
  34. 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. 35.
    Carrasquedo, K. 2017. Muestreo probabilístico y no probabilístico. Recuperado de https://www. gestiopolis. com/muestreo-probabilistico-y-no-probabilistico.Google Scholar
  36. 36.
    Moreno, Amable. 2017. Dificultades en la comprensión del concepto de muestra aleatoria simple en estudiantes universitarios.Google Scholar
  37. 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. 38.
    Commons, Wikimedia. 2016. File:simple random sampling.png—wikimedia commons, the free media repository. [Accessed 11 November 2018].Google Scholar
  39. 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. 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. 41.
    Rivest, Ronald L. 2018. Consistent sampling with replacement. arXiv:1808.10016.
  42. 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. 43.
    Shamir, Ohad. 2016. Without-replacement sampling for stochastic gradient methods. In Advances in neural information processing systems, pp. 46–54.Google Scholar
  44. 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. 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. 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. 47.
    Commons Wikimedia. 2016. File:systematic sampling.png — wikimedia commons, the free media repository. [Accessed 11 November 2018].Google Scholar
  48. 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. 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. 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. 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. 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. 53.
    Commons, Wikimedia. 2016. File:stratified sampling.png—wikimedia commons, the free media repository. [Accessed 11 November 2018].Google Scholar
  54. 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. 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. 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. 57.
    Commons, Wikimedia. 2016. File:cluster sampling.png—wikimedia commons, the free media repository. [Accessed 11 November 2018].Google Scholar

Copyright information

© Springer Nature Switzerland AG 2019

Authors and Affiliations

  1. 1.Faculty of Mathematical and Physical SciencesUniversity of GuayaquilGuayaquilEcuador
  2. 2.Eindhoven University of TechnologyEindhovenThe Netherlands
  3. 3.University of GuayaquilGuayaquilEcuador

Personalised recommendations