Muestreo estadístico

El concepto estadístico de muestra (y de muestreo) es sumamente importante para analizar datos y para trabajar en el campo de la ciencia de datos.

El conjunto completo de datos  sin procesar que se puede tener disponible (no siempre es posible) para una prueba o experimento se conoce como población. Por diversas razones, no siempre (yo diría que en contadas ocasiones) es posible observar (o medir alguna propiedad) en toda la población. Por esa razón, en estadística se platea tomar una muestra (osea una pequeña parte de la población), realizar algunos cálculos sobre ese conjunto (llamado muestra) de datos y, utilizando la probabilidad y algunas suposiciones, se puede con cierto grado de certeza  comprender las tendencias de toda la población o predecir eventos futuros.

El número total de habitantes de un país podría ser una población. También, el número total de personas que estudien y trabajan en una universidad puede decirse que es una población. La población podría ser solo los estudiantes o solo los profesores de esa universidad. Es decir, hay que definir claramente cúal es la población a estudiar o en estudio.

Digamos, por ejemplo, que queremos comprender la prevalencia (cuanto hay) de una enfermedad como el cáncer de hígado en toda la población de Guatemala. Por razones prácticas, no es posible evaluar a toda la población (personas con cáncer de hígado en toda Guatemala, por ejemplo algunos ya habrán muerto). En cambio, se puede seleccionar un grupo de pacientes (una muestra) aleatoria (al azar, mas sobre esto en otros posteos) y medir cuantos tienen cáncer de hígado) entre ellos. Suponiendo que nuestra muestra “representa bien”  la población (de Guatemala), podemos lograr una medida bastante acertada de lo que se quiere evaluar (la prevalencia).