Documentos de Académico
Documentos de Profesional
Documentos de Cultura
04 Cuantitativo
04 Cuantitativo
POBLACIÓN Y MUESTRA
Una población está determinada por sus características definitorias. Por lo tanto, el
conjunto de elementos que posea esta característica se denomina población o universo.
Población es la totalidad del fenómeno a estudiar, donde las unidades de población
poseen una característica común, la que se estudia y da origen a los datos de la
investigación.
Entonces, una población es el conjunto de todas las cosas que concuerdan con una
serie determinada de especificaciones. Un censo, por ejemplo, es el recuento de todos
los elementos de una población.
Cuando no es posible medir cada uno de los individuos de una población, se toma
una muestra representativa de la misma.
La muestra descansa en el principio de que las partes representan al todo y, por tal,
refleja las características que definen la población de la que fue extraída, lo cual nos
indica que es representativa. Por lo tanto, la validez de la generalización depende de la
validez y tamaño de la muestra.
CONCEPTO DE MUESTREO
Terminología
MUESTREO NO PROBABILÍSTICO
Muestreo “Por bola de nieve”: Se lleva a cabo generalmente cuando hay una población
muy pequeña. En este tipo de muestreo, el investigador le pide al primer sujeto que
identifique a otro sujeto potencial que también cumpla con los criterios de la investigación.
La desventaja de usar una muestra de bola de nieve es que difícilmente sea representativa
de la población.
Este tipo de muestreo puede ser utilizado cuando se quiere mostrar que existe un rasgo
determinado en la población. También se puede utilizar cuando el investigador tiene
como objetivo hacer un estudio cualitativo, piloto o exploratorio.
Se puede utilizar cuando es imposible la aleatorización, como cuando la población es
casi ilimitada y cuando la investigación no tiene como objetivo generar resultados que
se utilicen para hacer generalizaciones respecto de toda la población.
También es útil cuando el investigador tiene un presupuesto, tiempo y mano de obra
limitados.
Esta técnica también se puede utilizar en un estudio inicial que será llevado a cabo
nuevamente utilizando un muestreo probabilístico aleatorio.
MUESTREO PROBABILÍSTICO
Aleatorio simple Se selecciona una muestra de - Sencillo y de fácil comprensión. - Requiere que se posea de
tamaño n de una población de N antemano un listado completo
unidades, cada elemento tiene - Cálculo rápido de medias y de toda la población.
una probabilidad de inclusión varianzas.
igual y conocida de n/N. -Cuando se trabaja con
muestras pequeñas es posible
- Se basa en la teoría que no represente a la
estadística, y por tanto existen población adecuadamente.
paquetes informáticos para
analizar los datos
Conglomerados Se realizan varias fases de - Es muy eficiente cuando la - El error estándar es mayor
muestreo sucesivas (polietápico) población es muy grande y que en el muestreo aleatorio
dispersa. simple o estratificado.
La necesidad de listados de las
unidades de una etapa se limita - No es preciso tener un listado - El cálculo del error estándar
a aquellas unidades de muestreo de toda la población, sólo de las es complejo.
seleccionadas en la etapa unidades primarias de muestreo.
anterior.
EL TAMAÑO MUESTRAL
Cada estudio tiene un tamaño muestral idóneo, que permite comprobar lo que se
pretende con la seguridad y precisión fijadas por el investigador.
Todo estudio lleva implícito en la fase de diseño la determinación del tamaño muestral
necesario para la ejecución del mismo. El no realizar dicho proceso, puede llevarnos a
dos situaciones diferentes: primera que realicemos el estudio sin el número adecuado
de pacientes, con lo cual no podremos ser precisos al estimar los parámetros y además
no encontraremos diferencias significativas cuando en la realidad sí existen. La segunda
situación es que podríamos estudiar un número innecesario de pacientes, lo cual lleva
implícito no solo la pérdida de tiempo e incremento de recursos innecesarios sino que
además la calidad del estudio, dado dicho incremento, puede verse afectada en sentido
negativo.
Seguridad = 95%; Precisión = 3%: Proporción esperada = asumamos que puede ser
próxima al 5%; si no tuviésemos ninguna idea de dicha proporción utilizaríamos el valor
p = 0,5 (50%) que maximiza el tamaño muestral (Criterio conservador):
donde:
Za 2 = 1.962 (ya que la seguridad es del 95%)
p = proporción esperada (en este caso 5% = 0.05)
q = 1 – p (en este caso 1 – 0.05 = 0.95)
d = precisión (en este caso deseamos un 3%)
Si la población es finita, es decir conocemos el total de la población y deseásemos
saber cuántos del total tendremos que estudiar la respuesta seria:
donde:
N = Total de la población
Za2 = 1.962 (si la seguridad es del 95%)
p = proporción esperada (en este caso 5% = 0.05)
q = 1 – p (en este caso 1-0.05 = 0.95)
d = precisión (en este caso deseamos un 3%).
¿A cuántas personas tendría que estudiar de una población de 15 000 habitantes para
conocer la prevalencia de diabetes?
Seguridad = 95%; Precisión = 3%; proporción esperada = asumamos que puede ser
próxima al 5%; si no tuviese ninguna idea de dicha proporción utilizaríamos el valor p =
0.5 (50%) que maximiza el tamaño muestral.
𝑍. 𝜎 2 1,96 . 1,5 2
𝑛= ( ) = ( ) = 3457,44 ≈ 3457 𝑐𝑎𝑠𝑜𝑠.
𝑒 0,05
Estos estudios pretenden comparar si las medias o las proporciones de las muestras
son diferentes. Habitualmente el investigador pretende comparar dos
tratamientos. Para el cálculo del tamaño muestral se precisa conocer:
Donde:
En todos los estudios es preciso estimar las posibles pérdidas de pacientes por razones
diversas (pérdida de información, abandono, no respuesta….) por lo que se debe
incrementar el tamaño muestral respecto a dichas pérdidas.