CALCULO DE LA MUESTRA

EN INVESTIGACIONES

MSc. OSCAR CRUZ MONTANO

Rica. 2016

San Jos, Costa

Cuando se desea realizar un estudio, lo que se intenta es compartir

con la comunidad:
Observaciones realizadas en la prctica cotidiana
Datos especficos del grupo poblacional con alguna caracterstica
en comn
Diferencias que se consideran importantes al comparar grupos
poblacionales.
En cualquiera de los casos mencionados, el clculo del tamao de
la muestra fortalece el objetivo de cualquier investigacin, el cual
puede enfocarse en:
a) estimar un parmetro
b) contrastar una hiptesis.
As, dicho clculo permite responder a cualquiera de las siguientes
cuestiones: cuntas unidades se deben considerar para estimar
un parmetro con un grado de confianza determinado? o cuntas
unidades se deben estudiar para detectar en los resultados de los
dos grupos, una diferencia que sea estadsticamente significativa?

Existen, por lo menos cuatro razones para estudiar muestras, en

vez de poblaciones:
1) Las muestras pueden estudiarse con ms rapidez. (Tiempo)
2) Es menos costoso. (Economiza dinero y personal)
3) En general el estudio de la poblacin entera es imposible.
4) Los resultados de una muestra son ms precisos que los
derivados de poblaciones. Esto es por:
la calidad de los datos
la capacitacin de quien recoge los datos
la estimacin del error en los parmetros resultantes
la homogeneidad de las muestras.

CONSIDERACIONES PREVIAS:
El tamao de la significativa depender bsicamente del nivel de la
investigacin y las variables insertadas en el objetivo de la
investigacin.
Con respecto al nivel de la investigacin
a) Nivel I, de tipo exploratorias. Son investigaciones que
responden preguntas sencillas para determinar si existe o no tal o
cual caracterstica. Aqu solo se van a estimar parmetros de la
poblacin, su presencia y magnitud. Corresponden a estudios
observacionales de una poblacin.

b) Nivel II, de tipo descriptivo. En este tipo de estudios se trata de

realizar una descripcin detallada de las caractersticas que
presenta el sujeto en estudio. Corresponden a estudios
observacionales en un solo tipo de poblacin.

c) Nivel III, de correlacin. Buscan determinar relaciones o

asociaciones entre los factores estudiados. Son estudios
observacionales, estudian dos poblaciones y verifican hiptesis.
d) Nivel IV, explicativos. Buscan establecer las causas de las
asociaciones.
Son
estudios
cuasiexperimentales
o
experimentales, comparan dos poblaciones y verifican hiptesis.
CLCULO DEL TAMAO DE LA MUESTRA
Para el clculo de la muestra debe conocerse:
La variabilidad del parmetro que se desea estudiar (p, q, S).
Aunque esto parezca contradictorio, ya que de eso se trata
precisamente la investigacin, hay que conocer, cmo se
presenta en la poblacin la variable que se requiere estudiar. La
primera reflexin que asalta al investigador es, si supiera cmo
se presenta, no estara diseando una investigacin para
conocerla.

Si se trata de variables cualitativas, es necesario conocer el

porcentaje con que se presenta la variable en la poblacin. Por
ejemplo, si deseamos conocer la presencia de hbito tabquico en
adolescentes, debemos saber qu porcentaje de adolescentes fuman
(p) y qu porcentaje no fuman (q) justamente en la poblacin en
estudio. Si es una variable cuantitativa, cul es la desviacin
estndar (S) con que se presenta en la poblacin. Por ejemplo, si
queremos realizar una investigacin para establecer los sobrecostos
en los proyectos municipales, debemos precisar la media que
esperamos encontrar y su desviacin estndar.
se puede apreciar, el que nos pidan los datos de algo que an no
estudiamos, resulta sumamente confuso. Sin embargo, s hay
solucin a este problema.

Estos datos se pueden obtener de tres formas:

a) de estudios reportados en diferentes medios formales, con una
poblacin similar a la que deseamos estudiar.
b) con un estudio piloto de una pequea muestra (25 a 30
unidades).
c) si no se pude lo anterior, se asigna la mxima probabilidad con
que se puede presentar la variable en cuestin, que es, en variables
cualitativas del 50% y en el caso de variables cuantitativas se
determina la diferencia entre el mximo y el mnimo valor
esperable, se divide entre cuatro y, por lo tanto, se tiene una cierta
El nivel de confianza deseado (Z):
aproximacin al valor de la desviacin estndar.
Indica el grado de confianza que se tendr de que el valor
verdadero del parmetro en la poblacin se encuentre en la
muestra calculada. Cuanta ms confianza se desee, ser ms
elevado el nmero de unidades necesarias. Se fija en funcin del
inters del investigador. Los valores ms usuales son 99% 95% o
90%.

Hay que precisar que los valores que se introducen en la frmula son
del clculo del rea de la curva normal para los porcentajes antes
sealados:

La precisin absoluta (d):

Es la amplitud deseada del intervalo de confianza a ambos lados
del valor real de la diferencia entre las dos proporciones (en
puntos porcentuales). Su uso es para dejar margen al error
aleatorio exigido en el modelo lineal aditivo, el cual expresa que

la observacin
i-sima es una observacin de la
i media , pero
est sujeta a un error de muestreo
(psilon sub i). El modelo
lineal aditivo ms simple es:

Las precisiones absolutas comnmente utilizadas se encuentran

entre 0.1 la mayor; una media 0.05 y la ms pequea de 0.01. El
tamao de la muestra es especialmente sensible a la precisin que
se elija.

FORMULAS PARA CALCULAR LA MUESTRA EN ESTUDIOS

DESCRIPTIVOS
a) En estudios cuya variable principal es de tipo cuantitativa:
) Para una poblacin infinita (cuando se desconoce el total de
unidades de observacin que la integran o la poblacin es mayor
a 10,000)

z 2 s 2
n
d2

 Para una poblacin finita (cuando se conoce la totalidad de

unidades de observacin que la integran)

N z 2 s 2
n 2
d N 1 z 2 s 2
Donde:
n = tamao de la muestra
N = tamao de la poblacin
Z = valor de Z crtico, calculado en las tablas del rea de la curva
normal. Se denomina tambin nivel de confianza.
S2 = varianza de la poblacin en estudio (que es el cuadrado de la
desviacin estndar y puede obtenerse de estudios similares o
pruebas piloto)
d = nivel de precisin absoluta. Referido a la amplitud del intervalo
de confianza deseado en la determinacin del valor promedio de la
variable en estudio.

b) Para estudios cuya variable principal es de tipo cualitativo

Para poblacin infinita (cuando se desconoce el total de unidades
de observacin que la integran o la poblacin es mayor a
10,000)

z 2 p q
n
d2
Para poblacin finita (cuando se conoce el total de unidades de
observacin que la integran)

N z 2 p q
n 2
d N 1 z 2 p q
Donde:
p = proporcin aproximada del fenmeno en estudio en la
poblacin de referencia
q = proporcin de la poblacin de referencia que no presenta el
fenmeno en estudio (1 -p).
La suma de la p y la q siempre debe dar 1. Por ejemplo, si p= 0.8
q= 0.2
Z, N y d se explicaron en el prrafo anterior.

FRMULAS PARA CALCULAR LA MUESTRA EN ESTUDIOS

EXPLICATIVOS
Al escoger un tamao de muestra para detectar una diferencia en
la variable que se quiere estudiar al comparar dos grupos, se debe
admitir la posibilidad de un error tipo I o un error de tipo II y
calcular el tamao de muestra en consecuencia.
Adems de los elementos para calcular la muestra en los estudios
descriptivos ya mencionados, se deben conocer otros datos que
intervienen en el clculo del nmero de sujetos necesarios para
contrastar una hiptesis, entre ellos:
1) Si la hiptesis que se quiere contrastar es uni o bilateral.
2) Cul es el riesgo que el investigador acepta de cometer error
tipo a
3) El riesgo aceptado de cometer un error b (potencia 1-b)

4) Cul es la magnitud mnima de la diferencia o asociacin que se

considera importante detectar.
5) Cul es la variabilidad de respuesta en el grupo de referencia.
6) Otros factores:
Prueba estadstica que se usar en el anlisis
Tipos especiales de diseo del estudio
Comparacin de dos o ms grupos
Grupos de tamao diferente
Equivalencia de las intervenciones
Estratificacin por las caractersticas basales
Mltiples variables de respuesta
Porcentaje de prdidas y abandonos esperados

a) Calculo de muestra para prueba de hiptesis en una proporcin de

poblacin
Informacin necesaria y notacin:
1) Valor de prueba de la proporcin en caso de hiptesis nula
Po

2) Valor previsto de la proporcin de la poblacin

3) Nivel de significacin
4) Potencia de la prueba
5) Hiptesis alternativa: Prueba unilateral:
bien: Prueba bilateral:
Frmula para prueba unilateral

Pa

100%
(1-)100%
Pa >Po o Pa<Po o
Pa ? Po

z 1 1 1 z 0 1 0

n
1 0

b) Clculo de muestras para probar hiptesis en estudios que

comparan la medida de una sola muestra contra otra media ya
establecida
El objetivo de estos estudios es comparar una media de una
poblacin contra otra media estandarizada, como puede ser el de
otra poblacin, sin que el investigador haya calculado esta ltima.
La contrastacin de la hiptesis puede realizarse mediante una t
de student
Informacin necesaria y notacin:
1) Valor de la diferencia entre medias que tiene significado (1 - o
precisin relativa)
2) Valor previsto de la desviacin estndar de la poblacin

3) Nivel de significacin

100%

4) Potencia de la prueba (1-)100%

5) Hiptesis alternativa Prueba bilateral: Pa ? Po
z z
n 2

c) Clculo de muestra para probar hiptesis en estudios que

comparan dos medias
Se deben cumplir dos premisas:
las desviaciones estndar de las dos poblaciones son iguales y
los tamaos de muestras son iguales en los dos grupos.
La contrastacin de las hiptesis tambin se puede realizar con
una t de student para dos medias.

Informacin necesaria y notacin:

1) Valor de la diferencia entre medias que tiene significado (1 - o
precisin
relativa)
2) Valor previsto de las desviaciones estndar de las dos
poblaciones

3) Nivel de significacin

100%

4) Potencia de la prueba (1-)100%

5) Hiptesis alternativa Prueba bilateral: Pa ? Po
z z
n 2

d) Clculo de muestra para prueba de hiptesis en estudios de casos

y controles
Este tipo de muestras permite que se calcule la probabilidad de la
presencia del fenmeno mediante el odds ratio, razn de momios o
razn de productos cruzados.
Informacin necesaria y notacin:
1)Hay que conocer dos de los siguientes parmetros:
Probabilidad prevista de exposicin para las personas con una
caracterstica [a/(a+b)] P1*
Probabilidad prevista de exposicin para las personas sin la
caracterstica [c/(c+d)] P2*
Razn de probabilidad prevista OR

)100%
2) Nivel de confianza (13) Precisin relativa

1
1

p1 1 p1 p2 1 p 2
2
n z1 /2
2
ln 1

e) Clculo de muestra para probar hiptesis en estudios de

cohortes
Este clculo de muestra permite realizar el clculo de un riesgo
relativo con precisin relativa especfica.
Informacin necesaria y notacin:
a) Deben conocerse dos de los siguientes parmetros:
Probabilidad prevista de enfermedad en las personas expuestas
al factor investigado P1
Probabilidad prevista de enfermedad en las personas no
expuestas al factor investigado P2
Riesgo relativo previsto RR
b) Nivel de confianza
c) Precisin relativa

(1-

) 100%

 1 p1 1 p2

p
p
1
2

n z12 /2
2
ln 1
f) Clculo de muestra para asociar dos variables cuantitativas
utilizando el coeficiente de correlacin de Pearson
La asociacin entre dos variables cuantitativas requiere
habitualmente la utilizacin del coeficiente de correlacin r de
Pearson.
Informacin necesaria y notacin:
a) Valor del coeficiente de correlacin que se supone existe en la
poblacin r
b) Valor previsto de la desviacin estndar de la poblacin s
c) Nivel de significacin a 100%
d) Potencia de la prueba
(1-b)100%
e) logaritmo natural o neperiano ln

Qu tamao de muestra se necesita? Depender bsicamente del

alcance del estudio, las variables y el plan de anlisis. Si no se
toman en cuenta estos aspectos, el investigador no lograr
determinar la forma de obtenerla y los datos que deber incluir en
ella.
Por otro lado, deber estar lo suficientemente familiarizado con el
comportamiento de la variable en la poblacin en estudio para que
pueda establecer su variabilidad, decidir el nivel de confianza con el
que puede trabajar y el grado de precisin ms apropiado.
Finalmente, una vez que se ha obtenido el tamao de la muestra,
es necesario analizar las dificultades operativas, la disponibilidad
de tiempo y recursos para que verdaderamente sea viable
aplicarla, de lo contrario, por muy bien calculada que est la
muestra, ser imposible llevarla a la realidad, lo que podra
invalidar las conclusiones del estudio.

Bibliografa
Argimn J, Jimnez J. Mtodos de investigacin. Madrid: Ediciones
Harcourt;2000.
Dawson B, Trapp R. Bioestadstica mdica. 3 ed. Mxico, D.F.: El
Manual Moderno;2002.
Milton S. Estadstica para Biologa y Ciencias de la Salud. 3 ed.
Madrid: McGraw Hill-Interamericana;2001.