1. Cap´ıtulo 1
Dise˜no Muestral
1.1. Introducci´on
Con mucha frecuencia, en un problema de investigaci´on en Ciencias de
la Salud, se necesita extraer una muestra para estimar un valor desconocido
acerca de un par´ametro que resulta de inter´es o confirmar la asociaci´on,
formulada hipot´eticamente, entre dos o m´as variables. Naturalmente se
pretende que la muestra represente de manera adecuada a la poblaci´on
considerada. Usualmente el investigador suele tener dificultades al seleccionar
la muestra, la incertidumbre lo hace dudar si el procedimiento utilizado es
razonable y por tanto si los resultados finalmente tienen valid´ez.
En la fase de dise˜no de una investigaci´on se plantean tres problemas
relacionados con los participantes o unidades de observaci´on: definir la
poblaci´onde estudio (especificar los criterios de selecci´on), decidir el m´etodo
para obtener la muestra (t´ecnica de muestreo) y calcular el tama˜no de la
muetra.
Este capitulo del libro se centra en los dos primeros problemas se˜nalados
anteriormente y en el cap´ıtulo 14, despu´es de suministrar las herramientas
necesarias, se aborda el problema sobre el tama˜no de la muestra .
Se exponen inicialmente algunos conceptos b´asicos y un conjunto de
ideas claras para entender los principios y los procedimientos del muestreo
estad´ıstico, as´ı como la interpretaci´on de sus resultados. Posteriomente
se desarrollan los elementos relacionados con el concepto de Poblaci´on y
finalmente se recorren los distintos dise˜nos de muestreo, a trav´es de ejemplos
en los que se presentan progresivamente los diferentes dise˜nos y conceptos
1
2. CAP´ITULO 1. DISE ˜NO MUESTRAL 2
explicados.
1.2. Conceptos b´asicos
Muestra:
Una muestra es un subconjunto o porcin de la poblaci´on que se selecciona
con el prop´osito de hacer el estudio m´as f´acil y manejable.
Muestreo:
Es la herramienta de la investigaci´on cient´ıfica cuya funci´on b´asica es
determinar que parte de una realidad en estudio (al que se suele llamar
poblaci´on o universo) debe examinarse con la finalidad de hacer inferencias
sobre le todo de la que procede. Proceso mediante el cual se selecciona una
muestra. El muestreo es una rama de la Estad´ıstica.
El muestreo implica la aplicaci´on de un proceso inductivo (ir de lo
particular a lo general) que se asocia inevitablemente a la posibilidad de
cometer error, denominado error de muestreo.Este error tiende a ser mayor
a medida que la muestra sea mas peque˜na, en la medida que la parte no
represente la realidad sobre la cual se sacan conclusiones de inferencia. Se
comete debido al hecho de que se sacan conclusiones sobre la cierta realidad
a partir de la observaci´on de solo parte de ella.
Para poder generalizar los resultados es necesario haber obtenido los datos
en una buena muestra, lo que significa, obtener una versin simplificada de la
poblacin, que reproduzca de alguna manera sus caracter´ısticas, es decir, que
sea un espejo de la poblaci´on o una poblaci´on en miniatura (Kish, 1989).
La validez del proceso inductivo en una investigaci´on se basa en los
principios de representatividad y de comparabilidad.
Principio de Representatividad:
Este principio implica que para que los resultados de una investigacin
tengan VALIDEZ INTERNA, la muestra de sujetos estudiada debe ser
representativa de la poblacin.
El principio se compromete cuando la muestra inicial ha sido mal
seleccionada o habiendo utilizado una t´ecnica adecuada, la variabilidad
aleatoria (el azar) ha hecho que se obtenga una muestra no representativa o
cuando la muestra finalmente analizada esta sesgada debido a la no respuesta
o las p´erdidas durante el seguimiento en estudio prospectivo.
3. CAP´ITULO 1. DISE ˜NO MUESTRAL 3
La noci´on de representatividad de una muestra tiene un alcance m´as
intuitivo que formal. No existe una definici´on formal que permita establecer
el grado de representatividad de la muestra o declarar si ella es o no
representativa de la poblaci´on de la cual se selecciono.
La idea de la representatividad est enfocada a lograr que la muestra
exhiba internamente el mismo grado de variabilidad que la poblaci´on. Varios
m´etodos de muestreo han sido ideados para alcanzar dicha variabilidad.
Silva (1993), plantea que las nociones de muestra representativa y
de muestra probabil´ıstica suelen identificarse err´oneamente como una y la
misma.
Lo anterior lleva muchas a que un investigador sienta que su estudio
carece del rigor cient´ıfico necesario, al admitir que la muestra no ha sido
seleccionada por la v´ıa del azar.
Una muestra es probabil´ıstica o aleatoria cuando cada unidad de la
poblaci´on tiene una probabilidad conocida y diferente de cero de integrar la
muestra. En este tipo de muestreo el azar es ´unico factor que determina quien
se incluir´a en la muestra eliminando toda posibilidad de sesgo de selecci´on.
El proceso inferencial, por su propia naturaleza, siempre estar´a sujeto
a error. Una muestra puede considerarse representativa de ciertas
caracter´ısticas espec´ıficas de la poblaci´on, cuando el error que se comete
al sacar conclusiones sobre esas caracte´ısticas no exceda ciertos lmites
preestablecidos. En ese sentido ser´ıan deseables dos cosas: que dicho error
sea peque˜no y adem´as que se tenga una estimaci´on de su magnitud real. El
car´acter probabil´ıstico del m´etodo de selecci´on de una muestra asegura esto
´ultimo, pero no garantiza lo primero.
Ejemplo 1. Suponga que se desea conocer la opini´on de los estudiantes
de la Universidad de Nari˜no de la ciudad de Pasto sobre una reforma
universitaria propuesta por el gobierno central de Colombia y, para el efecto,
se aplica una encuesta a los estudiantes del programa de Medicina de dicha
Universidad que se ofrece en Pasto. La muestra resultante no es representativa
de los estudiantes Universidad de Nari˜no ya que no incluye estudiantes de los
dem´as programas que se ofrecen en Pasto y de las dem´as sedes en Tumaco,
Ipiales, T´uquerres, Samaniego y la Uni´on.
Principio de Comparabilidad:
4. CAP´ITULO 1. DISE ˜NO MUESTRAL 4
Concierne a estudios ana´ıticos, en los cuales se pretende detectar
diferencias, identificar asociaciones, estudiar relacin causa-efecto, etc. Estos
estudios se basan en que los grupos que se analizan son comparables por todos
los factores pron´ostico y en que se ha obtenido la informaci´on de la misma
forma en todos los sujetos, de manera que las diferencias en los resultados
observados pueden atribuirse al factor que se estudia.
Ejemplo 2. En un estudio se revisan las historias cl´ınicas de pacientes
que han sufrido infarto agudo de miocardio con la finalidad de comparar su
pron´ostico en funci´on de si han recibido tratamiento m´edico o quir´urgico.
Teniendo en cuenta que la indicaci´on del tipo de tratamiento depende de la
gravedad de la enfermedad y de otros factores, los grupos no son comparables,
puesto que, por ejemplo entre los pacientes que han recibido tratamiento
m´edico pueden haber tantos pacientes con enfermedad leve como pacientes
que est´en tan graves que en ellos est´a contraindicada la cirug´ıa.
Ventajas del muestreo
- Menores costos
- Las mediciones tienden a ser de mayor calidad pues se maneja un menor
n´umero de sujetos
- Menor tiempo
- M´as facilidad de c´alculo
- Por la menor cantidad de informaci´on posibilita medir otras variables
lo que implica aumentar la validez del estudio al controlar otras variables de
confusi´on.
1.3. Poblaci´on
La formulaci´on del objetivo de una investigaci´on en el ´area de la salud
debe incluir una definici´on clara del evento de inter´es (enfermedad, exposici´on
o cualquier otro acontecimiento relacionado con la salud) y los factores
asociados con dicho evento, as´ı como una definici´on gen´erica de la poblaci´on
que se desea estudiar.
Poblaci´on Estad´ıstica (Universo o colectivo): conjunto de elementos de
referencia sobre el que se realizan unas observaciones.
El tama˜no de la poblaci´on (N) es el nmero de elementos o sujetos que
componen una poblaci´on estad´ıstica.
5. CAP´ITULO 1. DISE ˜NO MUESTRAL 5
El tama˜no de la muestra (n) es el n´umero de elementos que se obtienen
de ella en una muestra (n N).
La poblaci´on en epidemiolog´ıa es un conjunto de sujetos o individuos con
determinadas caracter´ısticas demogr´aficas de la que se obtiene la muestra o
participantes en un estudio epidemiol´ogico a la que se quiere extrapolar los
resultados de dicho estudio (inferencia estad´ıstica).
En t´erminos gen´ericos podemos definir la Poblaci´on de la siguiente
manera:
Poblaci´on: Conjunto total de sujetos o individuos que satisfacen los
criterios del estudio y que podran ser incluidos en la investigaci´on.
1.3.1. Niveles de la Poblaci´on
Podemos distinguir los siguientes niveles de poblaci´on:
1. Poblaci´on Diana (Target population): es el universo al que queremos
generalizar los resultados de la investigaci´on. Se define principalmente por sus
caracter´ısticas cl´ınicas, demogr´aficas y sociales. As por ejemplo la poblaci´on
diana puede ser mujeres en edad f´ertil, cuidadores de ancianos, pacientes con
VIH, mujeres con c´ancer de mama o universidades p´ublicas del pa´ıs.
2. Poblaci´on de Estudio (accesible): conjunto total de sujetos que
est´an disponibles al investigador para realizar el estudio. Se define por
las caracter´ısticas geogr´aficas y temporales que la hacen accesible al
investigador y viene determinada por consideraciones pr´acticas en funcin
de la accesibilidad que se tenga de los sujetos (existencia de registros,
circunstancias que faciliten la colaboraci´on, etc.). En una investigaci´on en
la que la poblaci´on diana sean mujeres embarazadas la poblaci´on de estudio
puede ser mujeres embarazadas que acudan a los controles prenatales en un
´area determinada.
3. Poblaci´on Muestreada (elegible): Se define por los criterios de selecci´on
establecidos en el protocolo de la investigaci´on. Al identificar una poblaci´on
el investigador debe especificar los criterios que definen quienes deben
incluirse, estos criterios deben estar bien especificados ya que mediante ellos
se decidir´a si un individuo se incluir´a o no en la poblaci´on de inter´es. Estos
criterios de selecci´on delimitan a la poblaci´on elegible.
Caracter´ısticas generales de la Poblaci´on muestreada:
- Pacientes id´oneos para observar el efecto o asociaci´on de inter´es
6. CAP´ITULO 1. DISE ˜NO MUESTRAL 6
- Sujetos en los que exista una alta probabilidad de detectar el efecto
hipot´etico o la asociacin de inter´es
- Individuos que probablemente cumplirn el protocolo de de estudio en
funci´on del objetivo
- Excluir aquellos sujetos en los que exista una alta probabilidad de que
no pueda medirse la respuesta.
4. Muestra: Conjunto de unidades finalmente estudiados. La estrategia de
inclusi´on de los sujetos debe intentar que la muestra sea representativa de la
poblaci´on estudiada.
5. Participantes: El ´ultimo nivel de poblacin ser´ıan los participantes en el
estudio, ya que en la mayor parte de las ocasiones los sujetos que participan
en el estudio no suelen coincidir exactamente con la muestra dise˜nada debido
a p´erdidas en el reclutamiento, rechazo a colaborar, etc.
Los elementos que se relacionan con los niveles de la poblaci´on, podr´ıan
enunciarse de la siguiente manera:
POBLACION DIANA: Pregunta de Investigaci´on
POBLACION DE ESTUDIO: Accesibilidad / viabilidad
POBLACION MUESTREADA: Criterios de selecci´on
MUESTRA: Tipo y tama˜no y de la muestra
PARTICIPANTES: Colaboraci´on / p´erdidas
1.3.2. Criterios de Selecci´on
La propuesta o proyecto de investigaci´on debe establecer con precisi´on
unos criterios de selecci´on de los sujetos que se van a incluir y excluir en el
estudio.
Criterios de Inclusi´on: Especifican las caracter´ısticas que los sujetos
deben tener para poder ser incluidos como en el estudio (por ejemplo tener
m´as de18 a˜nos, tener personas mayores de 65 a˜nos a su cargo, etc.).
Criterios de Exclusi´on: Caracter´ısticas que tiene una persona que no
permiten que sean incluidos como sujetos dentro de un estudio (por ejemplo
pueden excluirse personas que no hablen espaol).
Factores que se deben considerar en la definici´on de los criterios de
selecci´on:
- Caracter´ısticas Socio demogr´aficos
- Caracter´ısticas de la enfermedad o exposici´on
7. CAP´ITULO 1. DISE ˜NO MUESTRAL 7
- Caracter´ısticas de accesibilidad de la poblaci´on
- Otras caracter´ısticas
Ejemplo 3. Se desea ensayar un nuevo diur´etico para el control de
hipertensi´on arterial (HTA) esencial leve-moderada en pacientes de la tercera
edad. La poblaci´on diana estara conformada por los sujetos de la tercera
edad con HTA esencial leve-moderada. La poblaci´on de estudio podr´ıa estar
conformada por los pacientes de la tercera edad con HTA esencial leve-
moderada que asisten a control a un Centro de Salud durante un trimestre
determinado. Podrian establecerse como criterios de inclusi´on y exclusi´on
para definir la poblaci´on muestreada: sujetos mayores de 67 a˜nos, con HTA
esencial, con cifras de presi´on arterial diastlica (PAD) entre 90 y 110 mmHg,
sin tratamiento previo, que no presentan otras patolog´ıas concomitantes y
que han sido visitados y diagnosticados en el Centro de salud donde asisten
a control. Se ha calculado que son necesarios 250 pacientes para la realizaci´on
del estudio, por lo que los investigadores incluyeron a los primeros 250
pacientes que cumplieron los criterios de selecci´on para definir la muestra.
Por diferentes motivos, finalmente concluyeron el estudio 239 participantes.
1.3.3. Marco Muestral
El primer paso para planificar un muestreo suele ser la definici´on del
marco muestral, que es la relaci´on o lista completa de las unidades (de
muestreo) de la poblaci´on muestreada, sobre las cuales se aplicar´a el proceso
de seleccin.
Las unidades de muestreo pueden ser una persona individual, una familia,
una escuela, una entidad de Salud, etc. Los registros electorales pueden ser
un marco muestral apropiado para adultos pero no para ni˜nos. Otro ej.
Directorio telef´onico.
Las unidades de muestreo no tienen que coincidir necesariamente con las
unidades de an´alisis. Por ejemplo en un estudio para conocer la prevalencia
de HTA en una poblaci´on escolar, las unidades de muestreo pueden ser las
escuelas, mientras que las unidades de an´alisis son sus alumnos.
Las unidades de muestreo pueden ser primarias (UPM), secundarias
(USM), etc., unidad ´ultima de muestreo (UUM).
La definici´on del marco muestral debe ser cuidadoso, ya que condiciona
la interpretaci´on de los resultados.
8. CAP´ITULO 1. DISE ˜NO MUESTRAL 8
Ejemplo 4. Fuchs et al (2001) en estudio compararon la prevalencia
de HTA obtenida al utilizar dos marcos muestrales diferentes: los adultos
residentes en una poblaci´on y los que acuden a una unidad de prevenci´on
de HTA en un centro de salud. Las diferencias en la prevalencia observada,
24 % vs. 42 %, respectivamente, ilustran la influencia del proceso de muestreo
sobre la evaluaci´on de los factores de riesgo en la poblaci´on.
1.4. M´etodos de Muestreo
El siguiente paso en la planificaci´on del muestreo es decidir como
seleccionar la muestra. En general, las t´ecnicas de muestreo pueden
clasificarse como probabil´ısticas y no probabil´ısticas.
Muestreo Probabil´ıstico: Muestra seleccionada al azar, en la cual cada
unidad de la poblaci´on tiene una probabilidad conocida y diferente de cero
de integrar la muestra. En este tipo de muestreo el azar es ´unico factor que
determina quien se incluir´a en la muestra eliminando toda posibilidad de
sesgo de selecci´on. Permite establecer la representatividad.
Muestreo No Probabil´ıstico: Muestra seleccionada por mtodos no
aleatorios. No todos los sujetos tienen la misma oportunidad de ser incluidos
en el estudio. No permite conocer la representatividad
En todas las t´ecnicas probabil´ısticas la selecci´on de las unidades se realiza
al azar y se evita la posible parcialidad, consciente o inconsciente, de los
investigadores. El uso de ´ecnicas probabil´ısticas permite la aplicaci´on de
m´etodos estad´ısticos capaces de cuantificar el aporte del error estad´ıstico.
1.4.1. Muestreo Aleatorio simple (MAS)
Proceso en el que cada unidad del marco muestral tiene la misma
probabilidad de ser seleccionada y en la que cada una de las posibles muestras
del mismo tama˜no tienen la igual probabilidad de ser escogidas. Cada unidad
de muestreo recibe un n´umero que es comparado contra una tabla de n´umeros
al azar o seleccionado por sorteo de entre todas las unidades que componen
la poblaci´on.
9. CAP´ITULO 1. DISE ˜NO MUESTRAL 9
Ejemplo 5. Ilustremos el concepto anterior con el siguiente ejemplo:
suponga un grupo de 12 estudiantes de Medicina de la Udenar que cursan
la asignatura de Bioestad´ıstica ordenados alfab´eticamente, de los que se
quiere seleccionar una muestra de 6 estudiantes. Considere los siguientes tres
procedimientos de selecci´on:
a. Tomar los 6 primeros de la lista
b. Dividir el listado en dos grupos (los 6 primeros y los 6 ´ultimos en la
lista), lanzar una moneda al aire y tomar como muestra los estudiantes del
primer grupo en caso de obtener cara, y los del segundo grupo en caso de
obtener sello.
c. Numerar los 12 estudiantes y generar 6 n´umeros aleatorios (entre 1 y
12) para obtener la muestra.
La muestra del m´etodo a. no es probabil´ıstica, ya que los ´ultimos
estudiantes del listado no tienen posibilidad de estar en la muestra. El m´etodo
b. es probabil´ıstico y todos los estudiantes tienen la misma probabilidad de
estar en la muestra, pero no es aleatorio simple, puesto que solo dos muestras
pueden ser elegidas del total de 12C6 = 924 muestras posibles. El mtodo c.
es aleatorio simple, ya que cualquiera de los 924 subconjuntos diferentes de
6 estudiantes puede ser escogido y con la misma probabilidad.
Pasos:
- Construir el marco muestral
- Numerar las unidades de muestreo
- Generar (en calculadora o computador) tantos nmeros aleatorios
(random) como unidades tenga la muestra.
Requisitos: marco muestral y poblaci´on homog´enea.
1.4.2. Muestreo Aleatorio Sistem´atico
Aplica una regla sistem´atica simple, eligiendo una de cada N unidades de
muestreo.
Pasos:
- Construir el marco muestral
- Numerar las unidades de muestreo
- Calcular una constante de muestreo (k = N / n)
- Extraer la primera unidad al azar entre las N unidades de muestreo (o
entre las primeras k)
10. CAP´ITULO 1. DISE ˜NO MUESTRAL 10
- A partir de la unidad anterior, seleccionar las dem´as unidades, cada k
unidades.
Requisitos: Marco muestral y poblaci´on homog´enea.
Si no se tiene el marco muestral, podemos seleccionar la muestra a medida
que el estudio avanza siempre y cuando las unidades de muestreo tengan un
orden preestablecido, por ejemplo los pacientes que asisten a consulta a un
Centro de salud. Las unidades se escogen a intervalos iguales de tiempo o de
n´umero determinado de unidades.
Ejemplo 6. Se desea obtener una muestra de 300 historias cl´ınicas de una
lista de 1200 historias es k=1200/300 = 4. Lo que indica se debe seleccionar
una de cada 4 historias cl´ınicas a partir de la primera escogida al azar. Si la
primera elegida es la 1000, las siguientes serian, la 1004, 1008, 1012,...., 1296,
1200, 4, 8,., 996, hasta que completamos la muestra.
Ejemplo 7. Suponga que se quiere estudiar la actividad asistencial de
un equipo de atencin primaria y que la unidad de muestreo son los das
de la semana. Si el primer d´ıa seleccionado fuera un lunes y se aplica una
constante (k=7) se recoger´ıa ´unicamente la actividad realizada los lunes de
cada semana. Es factible que con este procedimientos sobreestime la media
real de visitas ya que tradicionalmente los lunes son d´ıas de mayor actividad.
La constante de muestreo puede estar relacionada con el fen´omeno de estudio.
1.4.3. Muestreo Aleatorio Estratificado (MAE)
Se aplica cuando la poblaci´on se divide en funci´on de variables por las
que se desea estratificar (variables de confusi´on o intervinientes), formando
subgrupos homog´eneos con alguna caracte´ıstica en com´un y mutuamente
excluyente. Se escoge una muestra aleatoria de cada estrato, cuyo tama˜no se
puede fijar de tres maneras:
- Fijaci´on simple
- Fijaci´on proporcional
- Fijaci´on ´optima
Los estratos se definen en funci´on de variables que puedan influir sobre
los resultados. Por ejemplo si se desea estimar la prevalencia de HTA en una
poblaci´on, la edad, g´enero, presencia de obesidad, entre otras, podr’kian ser
variables de confusi´on, ya que estn relacionadas con la presencia de HTA.
Pasos:
11. CAP´ITULO 1. DISE ˜NO MUESTRAL 11
- Dividir la poblaci´on en estratos
- Fijar el tama˜no de cada estrato
- Seleccionar las muestras de cada estrato mediante alguno de los m´etodos
anteriores.
Ejemplo 8: Suponga un marco muestral de 2000 personas en los que
se desea estimar la prevalencia de hipertensi´on arterial (HTA), estudiando
para ello una muestra de 250 personas. se conoce que la prevalencia de
HTA var´ıa en funci´on del sexo y la presencia de obesidad. por lo anterior,
los investigadores desean que la muestra con la que se realizar´a el estudio
refleje fielmente la distribuci´on en la poblaci´on de referencia en estos dos
factores como se muestra en la tabla. As´ı, por ejemplo, existe 16 % de mujeres
con obesidad, por lo que, de las 250 personas el 12 % deber´an tener esta
caracter´ıstica. Por tanto de las 320 mujeres obesas de la poblaci´on deben
seleccionarse al azar 40 para formar la muestra. de igual manera se procede
en todos los estratos.
Distribuci´on de la Poblaci´on:
Hombres Mujeres Total
Obesidad 240(12 %) 320(16 %) 560(28 %)
No obesidad 960(48 %) 480(24 %) 1440(72 %)
Distribuci´on de la Muestra:
Hombres Mujeres Total
Obesidad 30(12 %) 40(16 %) 70(28 %)
No obesidad 120(48 %) 60(24 %) 180(72 %)
1.4.4. Muestreo Aleatorio por Conglomerado (Cluster
Sampling-MAC)
Muestreo al azar que limita la muestra comenzando desde sus
caracter´ısticas mayores a las menores. Llamado tambi´en muestreo por
racimos. La poblaci´on se divide en grupos heterog´eneos llamados
12. CAP´ITULO 1. DISE ˜NO MUESTRAL 12
conglomerados. Este m´etodo se puede realizar en una o dos etapas, teniendo
en cuenta los tama˜nos de los conglomerados.
Pasos:
- Dividir la poblaci´on en conglomerados
- Seleccionar una muestra de conglomerados mediante muestreo simple o
sistem´atico, UPM
- Seleccionar una muestra de cada conglomerado muestrado (USM)
mediante muestreo aleatorio estratificado
1.4.5. Muestreo Complejo (Multiet´apico)
Cuando la muestra se obtiene en varias etapas a partir de la varias
unidades de muestreo. Este tipo de muestreo se aplica cuando se realizan
estudios en poblaciones de gran tama˜no y muy dispersas, por ejemplo
encuestas a nivel nacional, departamental o municipal.
Ejemplo 9. Un estudio ten´ıa por objetivo establecer las creencias y
opiniones de los j´ovenes escolares sobre el consumo de cigarrillo y alcohol.
Para el efecto se seleccion´o una muestra representativa de escolares en la
ciudad de Cali, utilizando una t´ecnica de muestreo probabil´ıstico en varias
etapas. Se utiliz´o como unidad primaria de muestreo (UPM) la escuela
estratificandola por las variables: grado, tipo de escuela (p´ublica y privada)
y el tama˜no de la escuela, teniendo en cuenta que estos factores est´an
relacionadas con las variables estudiadas¿el grado se relaciona con los h´abitos
de vida a trav´es de la edad y el tipo de escuela a trav´es de el estrato social.
El uso de muestreo multiet´apico es casi inevitable cuando se estudia este tipo
de poblaci´on (escolar).
1.4.6. M´etodos de Muestreo No Probabil´ıstico
Muestreo Accidental o por Conveniencia:
- Utiliza los sujetos accesibles o favorables.
- Se utiliza para estudios exploratorios o pruebas piloto,
- Es una t´ecnica de bajo costo,
- Generalmente su margen de error es alto.
Muestreo por cuotas:
13. CAP´ITULO 1. DISE ˜NO MUESTRAL 13
- Establece unos estratos o caracter´ısticas.
- De cada estrato se selecciona un n´umero predeterminado de sujetos
- Requiere que el investigador conozca algo sobre la poblaci´on.
Muestreo a prop´osito:
- El investigador conoce los casos t´ıpicos de inter´es y los incluye
deliberadamente en el estudio
- Utilizado principalmente cuando el fen´omeno de inter´es es poco com´un.
Muestreo bola de nieve:
- Se elige una submuestra por alguno de los m´etodos anteriores
- Se pide a sus componentes que elijan a otros a partir de unas condiciones
Utilizado principalmente cuando el fen´omeno de inter´es es poco com´un.
1.4.7. Ventajas y desventajas de las t´ecnicas de
muestreo probabil´ıstico
Las diferentes ventajas que tienen las t´ecnicas de muestreo probabil´ıstico
se se˜nalan en la tabla de abajo.
1.5. Tama˜no de la Muestra
Hace referencia al n´umero de unidades de muestreo se deben finalmete
observar de manera que se satisfagan ciertas condiciones o propiedades de
manera que represente a la poblaci´on de estudio. los siguientes factores que
Influyen en la determinaci´on del tama˜no de la Muestra:
- Tipo de dise˜no
- Tipo de muestreo
- Tipo de f´ormula usada para determinar representatividad.
- Instrumento usado
- Grado de precisi´on que se quiere lograr Heterogeneidad de los atributos
Frecuencia con que el fen´omeno ocurre
- Presupuesto
- N´umero de variables
14. CAP´ITULO 1. DISE ˜NO MUESTRAL 14
Ventajas Desventajas
Muestreo Aleatorio Simple:
- Sencillo y f´acil de comprensi´on - Requiere el marco muestral
- C´alculo r´apido de medias y varianzas - En muestras peque˜nas puede
no ser representativa
Muestreo Aleatorio Sitem´atico:
- F´acil de aplicar - Si la constante de muestreo
- No siempre es necesario el se asocia con variable de inter´es
marco muestral puede presentar sesgo
- Asegura cobertura de unidades
de todos los tipos cuando
la poblaci´on est´a ordenada
Muestreo Aleatorio Estratificado:
- Asegura representatividad de la - Se debe conocer la distribuci´on
muestra en funci´on de algunas de la poblaci´on, en las variables
variables determinadas de la estratificaci´on
- Se obtienen estimaciones m´as precisas - Requiere informaci´on sobre tama˜no
y variabilidad de la poblaci´on
- Se puede aplicar distintas fracciones - C´alculo de estimaciones m´as
de muestreo en cada estrato compleja que el MAS
Muestreo Complejo
- Muy eficiente cuando la poblaci´on - Estimaciones menos precisas que
es grande y dispersa el muestreo aleatorio simple
o estratificado
- Son necesarios los marcos muestrales - El c´alculo de las estimaciones es
de las poblaciones en cada etapa complejo
1.6. Ejercicios
1. Se desea conocer en profundidad la opini´on de los alumnos del Programa
de Medicina de la Universidad de Nari˜no sobre el proyecto de Reforma
Acad´emica, para el efecto se decide encuestar a 50 alumnos. Se pretende
que haya una representaci´on de todos los semestres, de primero a d´ecimo.
Qu´e tipo de muestreo ser´ıa el m´as adecuado en esta situaci´on?. Explique y
fundamente su respuesta.
2. La Secretaria de Salud del municipio de Pasto contrat´o a dos investigadores
para hacer un estudio respecto de la informaci´on que manejan los docentes
15. CAP´ITULO 1. DISE ˜NO MUESTRAL 15
de medicina de distintas universidades del municipio sobre los curr´ıculos de
los programas de Medicina. Es especialmente importante para la Secretar´ıa
que se logre una buena representatividad de dichos docentes, porque la
informaci´on recogida se utilizar´a para hacer la planificaci´on del siguiente
a˜no, en Promoci´on de la Salud. Como los investigadores contratados para
hacer el estudio saben que usted es un experto en el dise˜no de muestras,
le piden su opini´on. Ellos creen que el mejor muestreo ser´ıa un muestreo
aleatorio sistem´atico. a. Est´a usted de acuerdo? b. Cu´ales son las ventajas y
desventajas de utilizar este tipo de muestreo?
3. Un grupo de estudiantes presentaron al Fondo de Regal´ıas, un proyecto
de investigaci´on, que trataba de la opini´on de los j´ovenes pastusos respecto
del consumo de sustancias psicoactivas. Al describir la muestra, escribieron:
“Para realizar el muestreo de nuestra investigacin, iremos a los diferentes
centros educativos de Pasto y realizaremos un cuestionario, dise˜nado
especialmente para la investigaci´on, a los j´ovenes que se encuentren al´ı. Esta
muestra ser´a representativa de diversos niveles socioecon´omicos y de j´ovenes
de distintas caracter´ısticas, puesto que los centros educativos utilizados ser´an
elegidos por encontrarse en ubicaciones muy diversas de la ciudad”.
a. Qu´e tipo de muestreo estn utilizando estos estudiantes, probabil´ıstico o no
probabil´ıstico?, explique su respuesta b. Si usted quisiera seguir utilizando
el mismo tipo de muestreo, qu´e razones podr´ıa dar para mantenerlo? c.
Manteniendo a´un el tipo de muestreo elegido, qu´e cambios realizar´ıa al plan
de muestreo presentado por los alumnos?
4. El Censo del a˜no 2005 del DANE muestra que en Cali el 10,5 % de
los residentes tienen ms de 60 a˜nos. Para verificar un sistema de muestreo
por tel´efono se llaman a 200 residencias elegidas al azar. De los residentes
contactados, 9,2 % ten´ıan m´as de 60 a˜nos.
a. 10,5 % es un Par´ametro ´o una Estad´ıstica? b. 9,2 % es un Par´ametro ´o una
Estadst´ıca?
5. El a˜no 2008 la Universidad de Nari˜no tiene 5453 estudiantes, en la tabla
se muestra un detalle de la composici´on, segn el n´umero de estudiantes por
g´enero y nivel y las varianzas de las calificaciones Necesitamos una muestra
de tama˜no 60 de la poblaci´on de estudiantes, para estimar el rendimiento
promedio:
Determine el tama˜no de muestra de Mujeres y Hombres para 3 tipos de
muestreo: a. MAE de afijaci´on Simple. b. MAE de afijaci´on proporcional c.
MAE de afijaci´on ptima
6. Una compa˜na de salud saca una muestra aleatoria de la de su base de datos
16. CAP´ITULO 1. DISE ˜NO MUESTRAL 16
Poblaci´on Mujeres Hombres Total
Pregrado 2461; 1.6 2848, 2.8 5309
Posgrado 67; 0.9 77, 1,4 144
Total 2528 2925 5453
de usuarios, que esta ordenada alfab´eticamente, tomando 10 personas cuyos
apellidos comiencen con letra A, 10 personas cuyos apellidos comiencen con
la letra B, y as´ı sucesivamente con cada letra del alfabeto, para una muestra
total de 260 personas.
a. Qu clase de dise˜no muestral se us´o aqu´ı? b. Tienen todos los usuarios que
estn en la base de datos igual posibilidad de ser elegidos en la muestra? c.
Si no todos los usuarios de la entidad estn en la base, Qu clase de sesgo va
a provocar este hecho? d. Se sabe que la distribucin de la primera letra del
apellido vara por etnicidad, Qu clase de sesgo va a provocar este hecho?
7. Suponga que su poblaci´on de inters es el Grupo de Docentes de un
Instituci´on Educativa:
Vicente Fern´andez Jaime Rodr´ıguez Ingrid Betancourt Gustavo Petro
Jairo Varela Francisco Maturana Hugo Ch´avez Patricia Grisales
Manuel Santos Carlos Valderrama Antonia Torres Celia Cruz
Alfredo Torres Carolina Cruz Falcao Garc´ıa Juan Aristizabal
Ren´e Higuita Natalia Paris Marcelo Ces´an Laura Acu˜na
Piedad Crdoba Mariana Pajn Carla Giraldo Ral Delgado
a. Si le interesa estudiar la proporcin de mujeres en esta poblaci´on. Elija una
MAS de tama˜no 10 de esta poblaci´on (use n´umeros aleatorios generados
en calculadora) y estime este valor. b. Indique cul es el Par´ametro y la
Estad´ıstica en (a). c. Elija una MAE por sexo de tama˜no 8 de esta poblaci´on.
8. El 9.6 % desembolsa cada familia nari˜nense en salud, de su gasto total
en bienes y servicios. As lo concluye el “Primer estudio departamental sobre
satisfacci´on y gasto en salud efectuado entre 2010 y 2011. Esta completa
radiogra´ıa dada a conocer por el Instituto de Salud de Nari˜no, cont con
el financiamiento de la Organizaci´on Mundial de la Salud (OMS). Un
Investigador de la Universidad de Nari˜no desea determinar el porcentaje de
familias con un gasto en salud mayor al porcentaje departamental, en una
comuna 5 de la ciudad de Pasto.
17. CAP´ITULO 1. DISE ˜NO MUESTRAL 17
Para ello, se cuenta con la informacin de las 30 familias residentes en la
comuna 5:
Familia Porcentaje Etiqueta Familia Porcentaje Etiqueta
Fern´andez Mayor 1 Jojoa Menor 16
Garc´ıa Menor 2 Guerrero Menor 17
L´opez Menor 3 Arango Menor 18
Calvache Menor 4 Alvarez Menor 19
Villota Menor 5 Andrade Mayor 20
Criollo Mayor 6 Diaz Mayor 21
Revelo Mayor 7 Troya Menor 22
Rosero Menor 8 Botina Menor 23
P´erez Menor 9 Puchana Menor 24
Eraso Mayor 10 Bastidas Menor 25
Romo Menor 11 Pantoja Menor 26
Torres Mayor 12 Guzm´an Mayor 27
Bravo Menor 13 Narv´aez Mayor 28
D´ıaz Mayor 14 Portilla Menor 29
Chalapud Mayor 15 Solarte Menor 30
a. Seleccione una MAS de tama˜no 12 de esta poblaci´on usando n´umeros
aleatorios generados en una calculadora. Describa la muestra seleccionada.
b. Calcule el Par´ametro y el Estad´ıstico adecuado para los residentes de la
comuna.
9. Se tiene a la siguiente poblaci´on de personas clasificadas como
consumidores de drogas:
a. Seleccione una MAE de tama˜no 10 de esta poblaci´on usando n´umeros
aleatorios generados en una calculadora y se estima el porcentaje de
consumidores de alcohol. Describa la muestra seleccionada. b. Calcule el
Par´ametro y el Estad´ıstico adecuado para los residentes de la comuna, en
general y por sexo.
10. Una poblaci´on de tama˜no 1000 se ha dividido en 4 estratos de tama˜no
150, 400, 250 y 200. Utilizando muestreo aleatorio estratificado con afijaci´on
proporcional se han seleccionado 10 individuos del tercer estrato, cu´al es el
tama˜no de la muestra?.
11. Una EPS desea conocer la cantidad promedio de ingresos en un d´ıa dado,
para lo cual cuenta con 20 facturas y decide tomar una muestra de 5 facturas.
18. CAP´ITULO 1. DISE ˜NO MUESTRAL 18
Nombre Droga Nombre Droga
Felipe Alcohol Antonio Alcohol
Vilma Marihuana Gerardo Marihuana
Jos Pasta Base Carmen Alcohol
Viviana Cocana Pamela Coca´ına
Pablo Alcohol Mar´ıa Pasta Base
Rodrigo Marihuana Alejandra ´Extasis
Carlos xtasis Eduardo Alcohol
Catherine Alcohol Roberto Alcohol
Claudia Marihuana Susana Hero´ına
Valentina Coca´ına Hugo Marihuana
Enrique Marihuana Hern´an Alcohol
a. Cu´antas muestras posibles se pueden obtener? b. Con n´umeros aleatorios
generados en calculadora establezca que facturas forman parte de dos
muestras.
12. SALUDCOP est´a interesada en estimar la proporci´on de cuentas
pendientes con morosidad, en la ciudad de Ipiales. Cuenta con 4 Centros
de Atenci´on. Como el coste de muestreo es reducido, se usa MAE, con
cada Centro como estrato. Como no se dispone de informaci´on referente
a las proporciones poblacionales antes del muestreo, se elige una muestra
de 50 cuentas, usando afijaci´on proporcional respecto del total de cuentas
pendientes, como se presenta en la tabla adjunta. Estime p, la proporci´on de
cuentas con morosidad para cada Centro y en general.
Estrato 1 2 3 4
Cuentas pendientes 65 42 93 25
Tama˜no de muestra 14 9 21 6
Cuentas con morosidad en muestra 4 2 8 1
13. Se desea estimar la puntuaci´on media que pues, estando los que aprenden
r´apido en el grupo A, los que aprenden normalmente en el grupo B y los que
aprenden despacio en el grupo C. La escuela decide estratificar en funci´on
de estos grupos porque de esta manera se reduce la variabilidad de las
puntuaciones de la prueba. El sexto grado contiene 55 estudiantes en el
Grupo A, 80 en el Grupo B y 65 en el Grupo C. Se afija proporcionalmente
19. CAP´ITULO 1. DISE ˜NO MUESTRAL 19
una muestra aleatoria estratificada de 50 estudiantes, teniendo en cuenta
los grupos especificados. La prueba se aplica a la muestra de estudiantes
y se obtienen los resultados de puntuaci´on promedio en cada grupo que se
muestran en la tabla. Complete la tabla y estime los promedio general.
Grupos A B C
Poblaci´on 55 80 65
Muestra
Puntuaci´on 92 80 60
14. En la figura que aparece al final:
a. Seleccione un MAS de tama˜no 15 de esta poblaci´on de 27 rectngulos,
usando n´umeros aleatorios, generados en calculadora. b. Interesa determinar
el promedio del ´area de los rect´angulos en la figura. La unidad de medida
es el cuadrado unitario; por ejemplo un rect´agulo de 3 filas por 4 columnas
tiene un ´area igual a 12. Cu´al es el valor del Estad´ıstico? Comp´arelo con el
valor del Par´ametro.