Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bioestadística
Introducción
Cuestionario
1. Qué se entiende por muestra. Qué diferencia una muestra probabilística de una
muestra no probabilística.
Este tipo de muestreo es uno de los más utilizados en las investigaciones. Se comprende que
aquí todos los sujetos o elementos de la población pueden pasar a formar parte de la muestra,
pues tienen la misma probabilidad de ser escogidos.
En este método de muestreo lo principales es tener una idea clara de cuantos sujetos serán
necesarios para completar el tamaño de la muestra que se va a investigar, pues este consiste
en que a cada sujeto de la población se le debe asignar un número, para que posteriormente
mediante algún sorteo, o generando números aleatorios con ayuda de rifas o algún ordenador
se logre dar a conocer los números de los sujetos seleccionados que serán tomados como
muestra.
Muestreo sistemático:
Pues en este método como en el primero, los sujetos que conforman a la población son
enumerados, pero en lugar de dar a conocer los que serán incluidos mediante el azar en este
caso incluyen otra técnica. Posteriormente de que son enumerados, los investigadores dividen
el total de la población que se presenta entre el total de sujetos que requieren para la muestra;
para después elegir a uno de los primeros de estos sujetos al azar (ya enumerados) y
posteriormente se va sumando de una forma secuencial o constante el mismo valor para elegir
a los sujetos requeridos.
Muestreo estratificado:
Afijación simple: Donde cada grupo formado cuenta con la misma cantidad de número de
elementos.
Afijación óptima: Fijando la cantidad de sujetos que pueden ser admitidos en la muestra.
Mediante esta técnica de muestreo, en comparación del muestreo probabilístico las muestras
no se recogen por medio de procesos donde a los sujetos se les brinden las mismas
posibilidades de ser seleccionados.
Mediante este método los investigadores se encargan de incluir en la muestra solo a un grupo
determinado de sujetos que cumplen con ciertos requisitos o condiciones específicas.
Mediante este método, el investigador se encarga de elegir de acuerdo a sus propios criterios
o alcances a los sujetos que formaran parte de la muestra.
En este método se hace contacto con algún sujeto en específico y este se encargara de buscar
a otros sujetos o nuevos participantes consecutivamente. Haciéndolo de esta forma hasta
cumplir con el tamaño de muestra o cantidad de sujetos que se necesitan.
Muestreo discrecional:
Mediante este método, se aplica una técnica parecida a la del método intencional, pues el
investigador recluta a los sujetos según sus criterios; pero en este caso, los busca de acuerdo
a lo que piensen que estos sujetos puedan aportar a la investigación.
Explique.
El tipo de muestra adecuada para hacer inferencias a una población es el muestreo Aleatorio,
pues es el que se efectúa teniendo en cuenta a cada miembro de la población, teniendo así la
misma probabilidad de ser elegido en la muestra. Con este tipo de muestreo, las muestras son
representativas, es posible conocer los posibles errores cometidos, permite obtener
conclusiones sobre la población a partir de la información proporcionada.
5. ¿Qué tipo de muestra es la correspondiente a las 5 personas de su grupo colaborativo,
si se toma como población el grupo total de estudiantes de bioestadística de este semestre?
Suponga que para la conformación de los grupos se tuvo en cuenta el estrato
socioeconómico de los participantes.
Campana de Gauss,
La campana de Gauss grafica una función gaussiana, que es una clase de función matemática.
Esta campana muestra cómo se distribuye la probabilidad de una variable continua.
El concepto de función matemática se puede definir como la relación entre dos cantidades o
magnitudes tal que una dependa del valor de la otra. Cada una de ellas debe pertenecer a un
conjunto diferente: uno se conoce con el nombre de dominio, y el otro se llama codominio;
a cada elemento del primero le corresponde solamente uno del otro.
Podemos entender las funciones matemáticas con un simple ejemplo: la duración de un viaje
entre dos puntos geográficos depende de la velocidad a la que se desplace el cuerpo, la cual
deberá incluirse en una ecuación junto con la distancia. En este caso particular, la velocidad
y la duración varían de forma inversamente proporcional: cuanto mayor sea una, menor será
la otra.
Otro de los conceptos que aparece en el contexto de la campana de Gauss es la variable
continua. Para explicarlo es necesario comenzar definiendo variable discreta, que es aquélla
que no acepta un valor «intermedio» entre los expuestos en un conjunto dado, sino solamente
los que se observan en él; por ejemplo, si deseamos contar el número de personas que hay en
una habitación, el resultado siempre será entero (como ser, 3 o 4, pero nunca 3.2).
La noción de variable continua, por otro lado, sí acepta estos valores, y por eso su aplicación
es muy diferente. Por ejemplo, la medición de la estatura de un ser humano arroja una variable
de este tipo, y la precisión del resultado depende siempre del instrumento utilizado, razón por
la cual debemos contemplar un cierto margen de error.
En la campana de Gauss se puede reconocer una zona media (cóncava y con el valor medio
de la función en su centro) y dos extremos (convexos y con tendencia a acercarse al eje X).
Esta distribución evidencia cómo se comportan los valores de variables cuyos cambios
obedecen a fenómenos aleatorios. Los valores más comunes aparecen en el centro de la
campana y los menos frecuentes, en los extremos.
Con la campana de Gauss se puede analizar, por ejemplo, el ingreso promedio de la población
económicamente activa de una región X. Si bien hay personas que en dicho territorio ganan
10 dólares por mes y otras que reciben más de 1 000 000, la mayoría de los individuos
obtienen entre 5 000 y 10 000 dólares. Esos valores se concentrarán en el centro de la
campana de Gauss.
Otro nombre por el cual se conoce la campana de Gauss es distribución normal. Una de las
razones de su importancia es que se relaciona con un método de estimación muy significativo
denominado mínimos cuadrados, usado durante mucho tiempo para optimizar una serie de
pares ordenados para hallar una función continua que más se aproxime a ellos; en términos
más sencillos, dado un conjunto de datos, esta técnica busca «ajustarlos» a una línea
«limpia», aceptando un cierto margen de error.
Un intervalo de confianza nos va a permitir calcular dos valores alrededor de una media
muestral (uno superior y otro inferior). Estos valores van a acotar un rango dentro del cual,
con una determinada probabilidad, se va a localizar el parámetro poblacional.
Conocer el verdadero poblacional, por lo general, suele ser algo muy complicado. Pensemos
en una población de 4 millones de personas. ¿Podríamos saber el gasto medio en consumo
por hogar de esa población? En principio sí. Simplemente tendríamos que hacer una encuesta
entre todos los hogares y calcular la media. Sin embargo, seguir ese proceso sería
tremendamente laborioso y complicaría bastante el estudio.
Ante situaciones así, se hace más factible seleccionar una muestra estadística. Por ejemplo,
500 personas. Y sobre dicha muestra, calcular la media. Aunque seguiríamos sin saber el
verdadero valor poblacional, podríamos suponer que este se va a situar cerca del valor
muestral. A esa media le sumamos el margen de error y tenemos un valor del intervalo de
confianza. Por otro lado, le restamos a la media ese margen de error y tendremos otro valor.
Entre esos dos valores estará la media poblacional.
En conclusión, el intervalo de confianza no sirve para dar una estimación puntual del
parámetro poblacional, si nos va a servir para hacernos una idea aproximada de cuál podría
ser el verdadero de este. Nos permite acotar entre dos valores en dónde se encontrará la media
de la población.
95%?