POBLACIÓN y

MUESTRA
 DEFINICIÓN
• Población (o universo) es cualquier colección
finita o infinita de elementos o sujetos.
• Algunos autores establecen diferencias entre
los términos universo y población, indicando
con el primero un conjunto de personas, seres
u objetos y con el segundo, un conjunto de
números obtenidos midiendo o contando
cierta característica de los mismos
 DEFINICIÓN
• En resumen se define población o universo
como “Conjunto de individuos, objetos,
elementos o fenómenos en los cuales puede
presentarse determinada característica
susceptible de ser estudiada”
• No obstante cuando se realiza un trabajo
puntual conviene distinguir entre POBLACIÓN
TEÓRICA: conjunto de elementos a los cuales
se les quiere explorar los resultados. Y
POBLACIÓN ESTUDIADA: Conjunto de
elementos accesibles para nuestro estudio.
• Si la numeración se realiza sobre la población
estudiada, entonces recibe el nombre de
marco o espacio muestral.
• CENSO: El estudio de todos los elementos que
componen la población.
• LIMITACIONES: a)economía. Sobre todo en
poblaciones grandes; b)las pruebas a las que
hay que someter a los sujetos seas
destructivas; c)población sea infinita o tan
grande que exceda las posibilidades del
investigador.
 CLASIFICACIÓN
• DESDE EL PUNTO ESTADÍSTICO.
 Población infinita: no se conoce el tamaño y no
se tiene la posibilidad de contar o construir un
marco muestral (listado en el que encontramos
las unidades elementales que componen la
población)
 Población Finita: Se conoce el tamaño, a veces
son tan grandes que se comportan como
infinitas. Existe un marco muestral donde hallar
las unidades de análisis (marcos muestrales =
listas, mapas, documentos)
 CLASIFICACIÓN
• DESDE EL PUNTO DE VISTA DE LA
INVESTIGACIÓN
Población de estudio (blanco o diana): población
a la que queremos extrapolar los resultados.
Población accesible: conjunto de casos que
satisfacen los criterios predeterminados y que al
mismo tiempo son accesibles para el investigador.
Población elegible: determinada por los criterios
de selección.
 CRITERIOS DE INCLUSIÓN Y
EXCLUSIÓN.
• Los criterios de inclusión y exclusión son las
normas para decidir a quién se le permite
entrar en un ensayo. Las normas son
diferentes para cada ensayo.
• Los criterios de inclusión y exclusión también
se utilizan para proteger a las personas que
participan en los ensayos.
 CRITERIOS DE INCLUSIÓN.
• Son todas las características que debe tener el
sujeto u objeto de estudio para considerar su
inclusión en la investigación.
• Se fijan las características que hacen que una
unidad sea parte de una población.
• En el caso que se haga un ensayo clínico, los
criterios de inclusión deben especificar el tipo de
análisis usado para establecer el diagnóstico de
los pacientes y los requisitos específicos para el
tratamiento de la enfermedad.
 CRITERIOS DE EXCLUSIÓN.
• Son un conjunto de propiedades cuyo
cumplimiento identifica a un individuo que
por sus características podría generar sesgo en
la estimación de la relación entre variables o
presentar un riesgo en su salud por su
participación en el estudio.
• Su objetivo es reducir los sesgos, aumentar la
seguridad de los pacientes y la eficiencia en la
estimación.
MUESTRA
 DEFINICIÓN
• Una muestra es un subconjunto de la
población, que se obtiene para averiguar las
propiedades o características de esta última,
por lo que interesa que sea un reflejo de la
población, que sea representativa de ella.
POBLACIÓN
(UNIVERSO)

MUESTRA
• La población objetivo es aquella sobre la cual
el investigador desea establecer una
conclusión.
• La población muestreada es aquella a partir
de la cual se extrajo la muestra y sobre la que
puede establecerse la conclusión.
 VENTAJAS Y LIMITACIONES DEL USO
DE MUESTRAS.
• VENTAJAS:
Costo reducido.
Mayor rapidez.
Mayor exactitud: al estudiar una muestra se
reduce el volumen de trabajo.
Mayores posibilidades: Existen casos en los
cuales no es posible estudiar toda la población,
como por ejemplo, cuando ésta es infinita o
muy grande o cuando el proceso de medida
para estudiar la característica deseada es
destructivo.
• LIMITACIONES:
No se debe emplear muestras cuando la
población es muy pequeña
La teoría del muestreo es compleja .
 MUESTREO

• Se conoce como muestreo el proceso de

obtención de la muestra.
• Puede ser probabilístico y no probabilístico.
 MUESTREO PROBABILÍSTICO
• Cuando los integrantes de la muestra se escogen al
azar y por lo tanto, puede calcularse con antelación la
probabilidad de obtener cada una de las muestras.
• La selección de los elementos puede hacerse por el
método de la lotería, la tabla de números aleatorios o
con paquetes automatizados que forman números al
azar.
• Es recomendable trabajar con muestras probabilísticas
puesto que permiten que los resultados obtenidos en
ellas puedan ser extrapolados a la población con un
margen de confianza determinado.
 MUESTRAS NO PROBABILÍSTICAS
• Llamadas también muestras por conveniencia, los
elementos son escogidos con base en la opinión del
investigador y se desconoce la probabilidad que
tiene cada elemento de ser elegido para la muestra.
• En este tipo de muestreo existen el intencional (o
deliberado), donde el investigador escoge aquellos
elementos que considera típicos de la población.
• Accidentales (o por comodidad), donde se toman los
casos que estén disponibles en el momento.
• En ocasiones se trabaja combinando una
elección al azar con una no probabilística: Es el
caso del muestreo semiprobabilístico superior
en el cual se conoce la probabilidad de
escoger un segmento de la población más no
la de un elemento dentro de él.
• En el muestreo semiprobabilístico inferior se
hace lo contrario.
 CLASES DE MUESTREO
• MUESTREO ALEATORIO SIMPLE (MAS):
Consiste en seleccionar “n” elementos de los
“N” que conforman la población de forma que
todos ellos tengan igual posibilidad de ser
escogidos para integrar la muestra.
Disponer de una lista numerada de los “N”
integrantes de la población.
Seleccionar en forma aleatoria.
MUESTREO ALEATORIO SIMPLE (MAS)
 Esta clase de muestreo está indicado cuando la
población es bastante homogénea en lo que
respecta a la variable en estudio (la varianza
tiende a cero) y es posible obtener el listado de
los elementos de la población.
 Ventajas: la sencillez del diseño y de los cálculos
estadísticos.
 Limitaciones: no se puede practicar cuando es
imposible obtener la lista con todos los
integrantes de la población.
 Muestreo aleatorio estratificado (MAE)

• Consiste en dividir el conjunto “N” de

elementos de la población en varios
subconjuntos o estratos, de tal forma que
cada estrato formado sea internamente
homogéneo.
• sus integrantes se parezcan mucho entre sí en
lo que se refiere la variable a estudiar,
mientras que los estratos difieren unos de
otros.
 Muestreo aleatorio estratificado (MAE)

 Usos: En poblaciones heterogéneas en lo que se

refiere a la variable en estudio.
 Ventajas:
• Se logra mayor precisión en los resultados para
un tamaño de muestra dado.
• Se obtienen valores por separado para cada
estrato.
• Ventajas de índole administrativa (menor costo).
 Desventajas: Se debe poseer un listado de todos
los integrantes de la población.
 MUESTREO SISTEMÁTICO
• Consiste en seleccionar aleatoriamente un cierto
número “i” que designará, en una lista o población de
N elementos, al primero que va a formar parte de la
muestra; a continuación, de manera rígida o
sistemática, se van tomando los elementos:
i+K
i + 2K
i + 3K
• Así hasta agotar todos los elementos disponibles de la
lista, lo que ocurrirá cuando se llegue al que ocupa el
lugar:
i + (n – 1)K
 MUESTREO SISTEMÁTICO
 Usos:
• Solo en poblaciones heterogéneas y siempre y cuando no
exista relación entre la variable a estudiar y la forma como se
encuentra distribuida la población.
 Ventajas:
• Facilidad para extraer la muestra y hacerlo sin errores.
• Es más preciso que el muestreo aleatorio simple cuando la
población es heterogénea. Si es homogénea la información se
repite de unidad a unidad.
 Desventajas:
• Poca precisión cuando existe una periodicidad
insospechada.
 MUESTREO POR CONGLOMERADOS
• Consiste en dividir el conjunto de elementos en
subconjuntos llamados conglomerados, cuya
característica es que internamente son
heterogéneos en lo que se refiere a la variable en
estudio pero si se comparan varios
conglomerados, se nota que son parecidos entre
sí.
• Una vez dividida la población en “N”
conglomerados, se escoge en forma aleatoria “n”
de ellos y se estudian todos sus elementos.
 MUESTREO POR CONGLOMERADOS
 Usos:
• Se recomienda en el caso que se desee estudiar localidades más o
menos grandes por lo que se le conoce también como muestreo de
áreas.
 Ventajas:
• No se requiere del listado de los elementos de la población, sino
solamente de los conglomerados.
• Los costos son muchos menores pues las entrevistas están
concentradas.
• Se controla mejor la calidad de los datos.
 Desventajas:
• Lo complicado de los cálculos.
• Las inferencias que se extraen de esta clase de muestreo no son tan
confiables como las de un estudio hecho con muestreo aleatorio.
 MUESTREO POR ETAPAS
• En ocasiones se selecciona una muestra de
conglomerados (primera etapa) y estos no son
estudiados todos sino que en ellos se
conforman otros conglomerados de los cuales
se selecciona una muestra que es la estudiada
(segunda etapa).
 MÉTODOS MIXTOS
• En la práctica es frecuente la combinación de
varias clases de muestreo, como comenzar por
formar estratos de la población, dividir cada
estrato en conglomerados a seleccionar y en
ellos seleccionar las unidades a estudiar por
muestreo sistemático.
• Esto se hace para lograr una mayor
representatividad de la muestra a un menor
costo.
 CÁLCULO DEL TAMAÑO DE LA MUESTRA

• PARA ESTUDIOS CUYA VARIABLE PRINCIPAL ES

DE TIPO CUANTITATIVO.
a) Para una población infinita (cuando se
desconoce el total de unidades de observación
que la integran o la población es mayor a
10,000):
 CÁLCULO DEL TAMAÑO DE LA MUESTRA

b) Para una población finita (cuando se conoce

el total de unidades de observación que la
integran):
 CÁLCULO DEL TAMAÑO DE LA MUESTRA
• Dónde:
n = tamaño de la muestra
N = tamaño de la población
Z = valor de Z crítico, calculado en las tablas del área de la
curva normal. Llamado también nivel de confianza.
S2 = varianza de la población en estudio (que es el
cuadrado de la desviación estándar y puede obtenerse de
estudios similares o pruebas piloto)
d = nivel de precisión absoluta. Referido a la amplitud del
intervalo de confianza deseado en la determinación del
valor promedio de la variable en estudio.
 CÁLCULO DEL TAMAÑO DE LA MUESTRA

• PARA ESTUDIOS CUYA VARIABLE PRINCIPAL ES

DE TIPO CUALITATIVO.
a) Para población infinita (cuando se desconoce
el total de unidades de observación que la
integran o la población es mayor a 10,000):
 CÁLCULO DEL TAMAÑO DE LA MUESTRA

• b) Para población finita (cuando se conoce el

total de unidades de observación que la
integran):
 CÁLCULO DEL TAMAÑO DE LA MUESTRA

• Dónde:
p = proporción aproximada del fenómeno en
estudio en la población de referencia
q = proporción de la población de referencia que
no presenta el fenómeno 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