Documentos de Académico
Documentos de Profesional
Documentos de Cultura
criterios de selección
Roberto Niño-Garcia
• Miembro titular, Sociedad Científica de Estudiantes de Medicina de la Universidad Nacional de Piura (SOCIEMUNP)
• Pasante, Emerge Piura | Unidad de Investigación en Enfermedades Emergentes y Cambio Climático, Filial Piura.
E-mail: rasng1997@gmail.com
1
Contenidos
1. Introducción
2. Población y muestra
3. Cálculo del tamaño muestral
4. Muestreo
5. Criterios de selección
2
1. Introducción
3
2. Población y muestra
Población: conjunto de personas, objetos o situaciones con características
comunes, en un período y lugar determinado. La población abarca el total de
elementos que interesan al investigador.
4
5
3. Cálculo del tamaño muestral
CONCEPTOS PRIMARIOS
► Población
► Muestra
► Parámetro
► Estadístico
► Varianza poblacional
► Inferencia estadística
► Error muestral o Tolerancia de error
► Nivel de confianza.
Conceptos primarios
►Población: conjunto de individuos o elementos que
cumplen ciertas propiedades comunes.
UNIDAD
Conceptos primarios
►Parámetro : Son las medidas o datos que se obtienen
sobre la distribución de probabilidades de la
población, tales como la media, la varianza, la
proporción, etc.
Estadístico
Parámetro
Conceptos primarios
►Varianza Poblacional. Cuando una población es más
homogénea la varianza es menor. Generalmente es
un valor desconocido y hay que estimarlo a partir de
datos de estudios previos.
Valor Valor
ERROR
Verdadero Medido en
en la la muestra
población
Variables: Tipos y escalas de medición
Sexo: Masculino/Femenino Peso
Grupo sanguíneo: A/B/AB/O Temperatura
Nivel económico: alto/medio/bajo Número de hijos
Estado de salud: bueno/regular/malo Índice de masa corporal
15
Variable independiente y dependiente
Obesidad
Exposición
Resultado
DM2
Inferencia estadística
• La inferencia estadística comprende los métodos que son usados para determinar
algo acerca de la población en base a una muestra probabilística.
• Existen dos procedimientos para la inferencia: estimación de parámetros (puntual
y por intervalo) y el contraste de hipótesis sobre los parámetros.
Población
Muestra
Muestreo
Inferencia
Contraste de hipótesis
Se compara un tratamiento nuevo (N) contra la DM2 con uno tradicional
(T) en dos grupos de individuos. Luego de un tiempo, N controla al 70%
de los individuos y T al 30%.
Se quiere saber si esto es debido a una real mayor eficacia de N o se debe
simplemente a diferencias que el azar puede establecer (variaciones aleatorias
del muestreo), sin que existan diferencias reales en el control de diabéticos entre
ambos tratamientos.
Ejemplos
Las tendencias subjetivas conscientes o inconscientes del investigador.
Sustituciones, según criterio propio del investigador, de unidades de la muestra
que habían sido elegidas al azar.
Insuficiente observación del conjunto de la población que influye en una deficiente
definición de sus características.
Error Muestral
• Cuando se extrae una muestra de una población es
frecuente que los resultados obtenidos de la muestra
no sean exactamente los valores reales de la
población.
• El error de muestreo ocurre al estudiar una muestra
en lugar de la población total.
• La diferencia entre el valor del parámetro de una
población y el obtenido de una muestra recibe el
nombre de error muestral. ( y que no puede ser asociado a otro tipo de
explicación, es decir no es error aleatorio o sistemático)
Error Muestral
Por muy perfecta que sea la muestra siempre habrá
grado de divergencia entre los parámetros estimados
usándola y los de la verdadera población.
En el cálculo del error intervienen:
Tamaño de la muestra
Varianza poblacional
Nivel de confianza
Tipo de muestreo
Tamaño de la muestra vs. Error muestral
Margen de error admisible
Los incrementos en el tamaño de la muestra
repercuten en una mayor precisión y por
consiguiente en menor error muestral.
El error muestral interviene en el cálculo del tamaño
de la muestra solo si el diseño es probabilístico.
En el muestreo probabilístico el investigador fija el
error máximo admisible a priori y sobre esa base
realiza el cálculo del tamaño de la muestra.
Por lo tanto el tamaño de la muestra:
Es directamente
proporcional al nivel
de confianza Z.
Es directamente
Es inversamente proporcional a la
proporcional al variabilidad del
error estimado. fenómeno a
estudiar.
Factores que influyen
►Tipo de diseño de estudio.
►Tipo de muestreo utilizado.
►Comparación de muestras independientes o
pareadas.
1. Identificación de la población
2. Indicadores a estimar
Proporciones
Promedios (medias)
Métodos multivariados
3. Análisis de subgrupos
28
Muestra para la media de población
Población conocida Población no conocida
S=√𝑉
Muestra para la proporción de población
Población conocida Población no conocida
AZAR
42
Tipos de muestreo
43
Muestreo probabilístico
• Para ser elegido implica la modalidad: Azar/suerte.
• Gracias a esto se puede inferir los resultados (a la
población).
• Hay muchas posibilidades de muestreo:
– Aleatorio simple.
– Sistemático.
– Estratificado.
– Por conglomerados.
A) MUESTREO PROBABILÍSTICO
Comuna C
Comuna D
Los estratos más grandes
Tienen mayor probabilidad de ser representados
A.4. Muestreo por conglomerados
Cada uno de los conglomerados tiene 5 sujetos, por lo que tenemos un total de 20
conglomerados. Si dividimos la muestra entre el número promedio de sujetos por
conglomerados sería 20/5= 4, necesitamos 4 conglomerados, los cuales seleccionamos
de manera aleatoria.
1 2 3 4 5 1 2 3 4 5
1 2 3 4 5 1 2 3 4 5
1 2 3 4 5 1 2 3 4 5
1 2 3 4 5 1 2 3 4 5
1 2 3 4 5 1 2 3 4 5
1 2 3 4 5 1 2 3 4 5
1 2 3 4 5 1 2 3 4 5
1 2 3 4 5 1 2 3 4 5
1 2 3 4 5 1 2 3 4 5
1 2 3 4 5 1 2 3 4 5
Muestreo por conglomerados
• Todos los elementos de la población
pertenecen a uno y solo uno de los
conglomerados.
• Debe de tenerse una aproximación del
número de elementos que conforman
cada conglomerado.
• Los conglomerados deben de ser de
tamaño pequeño.
Muestreo por conglomerados
• Los conglomerados son
agrupaciones de elementos que
existen naturalmente, pero que
pueden ser homogéneos entre sí.
• Consiste en realizar una muestra
aleatoria simple en la cuales las
unidades de muestreo son
conglomerados.
Muestreo NO probabilístico
• Para ser elegido implica la modalidad:
Conveniencia, los que se puedan o acepten.
• NO SE PUEDE inferir los resultados (los intervalos
de confianza no se deben usar).
• Posibilidades de muestreo:
– Por bola de nieves. (poblaciones particulares).
– Otros (por juicios, por cuotas).
Muestreo por bola de nieves
• Cuando se ubica a un sujeto a encuestar y este refiere a otros
más, estos al ser encuestados darán referencia de otros más.
(o también de manera anónima).
• Usable cuando no se conoce a la totalidad de los sujetos a los
que se enrolará.
También: Muestreo de tipo censal
• Uno de los más comunes.
– Sobre todo cuando ya tienes una base de datos (análisis
secundario de datos).
• La población es igual a la muestra.
Población Muestra
=
• POBLACIONES PEQUEÑAS
Universidades de Lima
Selección aleatoria de Universidad
Universidades de Lima
Pero se complica…
Recuerde que hay Universidades Pública y Universidades Privadas
¿Estrat0? o es
¿Conglomerado?
Universidades de Lima
Públicas Privadas
Estudiantes universitarios
Muestreo aleatorio estratificado
n=9
Y también se debe hacer por carreras
y/o años de estudios
Suponga que tenga el listado total de estudiantes de las 9 universidades elegidas.
¿Como llega a la unidad de análisis al final?
Universidades de Lima
Públicas Privadas
Muestreo Multietápico
Pero a pesar de todo siente que la muestra no será representativa, de modo que
considera la distribución por Facultad..¿Qué muestreo usaría? Suponga que puede tener
acceso al listado de cada Facultad.
Universidades de Lima
Públicas Privadas
Muestreo Polietápico o multietápico
• En la realidad se combina más de un método
con la finalidad de minimizar los costos y
maximizar los resultados.
• Se parte de muestreos sucesivos con
diferentes unidades de muestreo hasta llega
a la unidad de análisis.
• Según las fases puede ser: bietápico,
trietápico, pentaetápico.
Plan de muestreo
5. Criterios de selección
Criterios de inclusión
Criterios de exclusión
Criterios de eliminación
82
Criterios de inclusión
Utilizados para seleccionar a los participantes entre
los potenciales participantes:
Que tenga característica o condición en estudio:
Edad, sexo, …, apropiados.
Que desee colaborar voluntariamente
Que pueda participar
Que no presente otras características no
deseadas.
83
Criterios de exclusión
Características de los casos que aún cumpliendo los
criterios de inclusión, presentan otras características
que no deberá tener la muestra.
Nunca entraron al estudio
84
Criterios de eliminación
Definición de las características que presenten
los sujetos de estudio durante el desarrollo del
mismo y que obliguen a prescindir de ellos.
Entraron pero se les eliminó
85
Roberto Niño-Garcia
• Miembro titular, Sociedad Científica de Estudiantes de Medicina de la Universidad Nacional de Piura (SOCIEMUNP)
• Pasante, Emerge Piura | Unidad de Investigación en Enfermedades Emergentes y Cambio Climático, Filial Piura.
• E-mail: rasng1997@gmail.com
Gracias.
86