Este documento describe los diferentes niveles de población que se consideran en la investigación, incluyendo la población diana, accesible, elegible y la muestra. También explica conceptos como criterios de inclusión y exclusión, y los diferentes métodos de muestreo como el muestreo aleatorio simple, sistemático, estratificado y por conglomerados. El objetivo principal del muestreo es seleccionar una parte representativa de la población para hacer inferencias sobre el total.
3. Población diana: Aquella población a la que
pretendemos generalizar los resultados del
estudio.
Población accesible: Viene determinada
por condiciones prácticas en función de la
accesibilidad que tengamos a los sujetos,
existencia de registros, circunstancias que
faciliten la colaboración y la calidad de los
datos.
Población elegible: Aquella que se somete
a los criterios de selección.
4. Muestra: Es un subconjunto de la población
elegible, la cual se somete a una técnica de
muestreo.
Participantes: Son los sujetos a los que
finalmente se le realizan las mediciones, no
coinciden exactamente con la muestra
diseñada debido a pérdidas, abandonos o
negativas a colaborar.
5. Ejemplo
Objetivo: Describir el comportamiento de la
graduación de Lic. en Enfermería en los
últimos 5 años en Cuba.
Población diana:
Todos los graduados
de Lic. en
Enfermería en los
últimos 5 años.
Muestra:
300 graduados de
Lic. en Enfermería
seleccionados por
método apropiado.
6. Criterios de inclusión: Son los que
definen las características de la
población elegible y vienen
determinados por la propia pregunta
de investigación y por la fuente de
sujetos elegida.
7. Criterios de exclusión: Son
subconjuntos de individuos que
cumplen los criterios de inclusión,
pero que probablemente interfieran en
la calidad de los datos o en la
interpretación de los resultados.
8. En el proyecto se debe especificar la
población accesible o fuente de
sujetos, así como los criterios de
inclusión y exclusión.
La población diana normalmente
viene definida al formular los objetivos
y las hipótesis del estudio.
9. Muestreo
Se refiere al proceso utilizado para escoger y
extraer una parte de la población objeto de
estudio con el fin de que represente al total.
Consiste en seguir un método, un
procedimiento tal que al escoger un grupo
pequeño de una población se puede tener un
grado de probabilidad de que ese pequeño
grupo efectivamente posee las características
de la población que estamos estudiando
10. La función principal del muestreo es
determinar qué parte de la realidad en
estudio puede o no examinarse para
hacer inferencias sobre el todo del que
procede, tratando de asegurar que la
elección de esa parte sirva como modelo.
11. Existen 2 clases de diseño de muestreo:
• Probabilístico
• Todos lo elementos
componentes de la
población tienen una
probabilidad conocida
de incluirse en la
muestra.
• (Equiprobabilístico):
Cuando la probabilidad
de inclusión es la misma
para todos los elementos
de la población. Es una
variante del anterior.
• Discrecional o no
probabilístico
• La inclusión de un
elemento de la
población en la
muestra depende del
criterio que aplique el
investigador.
12. El muestreo probabilístico utiliza algún sistema
de selección aleatoria para garantizar que
cada unidad de la población tenga una
probabilidad específica de ser seleccionada.
La utilización del azar para la elección no
provee de representatividad a la muestra
obtenida, aunque sí asegura la imparcialidad
en la conducta del investigador.
13. Según Silva (1993) para conseguir la
representatividad debe procurarse que la
muestra exhiba internamente el mismo grado
de variabilidad de la población.
Lo que hace representativa una muestra no
es su tamaño, sino la aplicación de algún
método probabilístico, siempre que se
cumpla con cada una de sus exigencias.
14. …pero en el caso del muestreo, por la
propia naturaleza del asunto, lo correcto
sería decir: “se obtuvo una muestra
probabilística” (si ese fuera el caso) o
“se seleccionó un muestra simple
aleatoria” (si ese fue el procedimiento
muestral empleado), pero nunca afirmar
que se obtuvo una muestra
representativa.
L. Silva. 2003.
16. Conceptos útiles:
Unidad de análisis u observación: Elementos
o sujetos que componen la población y que
podrían ser objeto de medición las variables de
interés.
Marco muestral: Conjunto de listas de todas las
unidades de muestreo necesarias para llevar
adelante el proceso.
Unidad de muestreo: Elemento o unidad sobre
el que se aplicará la técnica de muestreo.
Pueden ser personas, centros hospitalarios,
escuelas, municipios, etc.
17. Muestreo Simple Aleatorio (MSA):
•Es un proceso mediante el cual las unidades
de análisis o sujetos que integran la
población tienen la misma probabilidad de
ser incluidos en la muestra, por tanto es
equiprobabilístico.
•Requiere contar a priori con un listado de
todas las unidades de población.
Con el fin de facilitar el proceso existen
programas generadores de números
aleatorios o puede utilizarse la tabla de
números aleatorios confeccionadas a tal
efecto.
18. El MSA presenta como desventajas:
1.Necesita una lista enumerada de todas
las unidades de muestreo.
2.Los sujetos seleccionados de forma
individual pueden estar muy dispersos.
3.Algunos subgrupos de la población,
especialmente los menos frecuentes,
pueden no estar representados sobre
todo si la muestra es pequeña.
4.No puede ser utilizado cuando la
población es grande.
19. Ej: Para determinar el estado nutricional de un
grupo de ancianos se eligió una muestra de n
sujetos en un círculo de abuelos X por MSA.
20. Muestreo Sistemático (MS):
•Consiste en seleccionar una muestra
según una regla o proceso periódico,
como por ej: elegir uno de cada n
individuos.
•Es equiprobabilístico.
21. Muestreo sistemático (continuación)
•Debe calcularse el “Número de selección
sistemática” que es el intervalo numérico
que servirá de base para la selección de la
muestra. Este se calcula dividiendo el total
de la población (N) por la muestra (n).
•Posteriormente determinar al azar la
unidad muestral por la que iniciará la
selección de la muestra.
22. El MS requiere de:
1.Una lista ordenada de unidades de
muestreo.
2.El total de la población o un conocimiento
aproximado de ésta.
3.Un arranque aleatorio.
4.Calcular la constante de muestreo o
número de selección sistemático (k).
23. Ejemplo
• Población: 1000 Unidades (N).
• Muestra: 100 (n).
• Número de selección sistemática: N/n =
1000/100 = 10.
• Se selecciona al azar una unidad del 1
al 10 (r), que puede ser el 4 y las
siguientes serían 14, 24, 34, 44 … hasta
completar la muestra.
25. Muestreo Aleatorio Estratificado (MAE):
•Consiste en dividir a la población en subgrupos
según características tales como: sexo, edad,
zona rural o urbana, etc. y posteriormente
seleccionar una muestra aleatoria en cada uno
de esos estratos.
•Dicho muestreo puede ser proporcional, cuando
la proporción de los sujetos en cada uno de los
estratos representa la misma distribución que
ocurre en la población diana, o bien no
proporcional, cuando no cumplimos con esas
proporciones de la población por intereses del
investigador.
26. •Puede ser equiprobabilístico o no.
•Se necesita del tamaño poblacional
por estratos.
•Requiere de una lista por cada
estrato.
27. n1
n3
Ejemplo de Muestreo Aleatorio Estratificado: Para
determinar la morbilidad bucal de los escolares de la
ciudad de SS se estratificó por las áreas de salud y
dentro de c/u se seleccionó por MSA o MS los niños
a incluir en la muestra.
N1 N2 N3 N4
n2
n4
28. Muestreo por conglomerados:
•Este tipo de muestreo se usa en particular cuando
no se dispone de una lista detallada y enumerad de
cada una de las unidades que conforman la
población y resulta muy complejo elaborarla.
•Se denomina así debido a que la selección de la
muestra en lugar de escogerse cada unidad se
procede a tomar los subgrupos o conjuntos de
unidades, a los que se llama “conglomerados”. Estos
conjuntos se dan en la vida real o ya están
agrupados de esa manera (escuelas, fabricas, áreas
de salud, CMF, bloques de casa y otros)
•El proceso se inicia definiendo los conglomerados y
seleccionado los mismos aleatoriamente. De estos se
toma la totalidad de los individuos.
29. N1
N2
Ejemplo: Se quiere determinar la calidad del
programa de cáncer cérvico uterino en un área, para
eso se eligen 3 CMF de los 8 existentes y se
evalúan todas las mujeres en edad fértil.
N3
CMF
CMF
CMF
CMF
CMF
30. Algunas características del muestreo por
conglomerados:
1.El método es equiprobabilístico, cada
conglomerado tiene la misma probabilidad
de inclusión en la muestra.
2.Presenta la ventaja que no se requiere
conocer el tamaño de la población, sólo el
listado de los conglomerados elegidos.
31. Muestreo por etapas múltiples o
Multietápico.
•Consiste en la selección
(equiprobabilística o no) de una muestra
aleatoria a partir de agrupaciones naturales
(conglomerados).
•Procediéndose a obtener en una segunda
etapa una muestra de individuos dentro de
cada uno de los conglomerados.
•Para la elección de las unidades de
análisis pueden valorarse 2 variantes:
32. 1º variante: Seleccionar una fracción fija
de unidades de análisis dentro de los
conglomerados elegidos, (el mismo
porcentaje en c/u de ellos). La muestra
sería equiprobabilística, pero el tamaño
final será ignorado hasta que no se
produzca la elección en la primera etapa.
33. 2º variante: Seleccionar un número
fijo de elementos dentro de cada
conglomerado.(independientes de
sus tamaños). El tamaño final será
conocido, pero la muestra no es
equiprobabilística.
34. Muestreo por etapas múltiples o
Multietápico.
1.Una lista de los conglomerados
existentes.
2.Una lista de las unidades de análisis de
cada conglomerado seleccionado en la
etapa anterior.
35. Ejemplo: Se pretende identificar el
comportamiento de los focos de aedes
aegyptis en un área de salud de Sancti
Spíritus.
Se procede a subdividir el área por
manzanas (UPE), se seleccionan 4
manzanas por MSA y de ellas se estudian
el 10% de las viviendas en busca de focos.
La muestra quedaría conformada por
n1+n2+n3+n4
38. Tamaño de la Muestra:
•La tendencia de los investigadores es querer
aplicar una formula que les indique cuál será el
número de sujetos a incluir en la muestra. Sin
embargo, no es esto lo más importante. Una
muestra, dependerá de muchos aspectos como
los recursos disponibles, la heterogeneidad de
las variables y sujetos a estudiar, la técnica que
se emplea en la muestra, el tipo de análisis que
se utilizará, el grado de precisión que deben
tener los datos, entre otros.
39. El tamaño de la Muestra debe definirse partiendo de dos
criterios:
•Los recursos disponibles, que fijan el tamaño máximo de
la muestra, aquí se recomienda siempre tomar la muestra
mayor posible. La lógica nos indica que entre más grande
sea esta mayor posibilidad tendrá de ser representativa y
menor será el error de muestreo, el cual siempre existe.
los recursos y tiempo con que se cuenta.
•Requerimientos del plan de análisis que fija el tamaño
mínimo de la muestra. El tamaño de la muestra deberá ser
suficiente para permitir un análisis confiable de los cruces
de variables, para obtener el grado de precisión requerido
en la estimación de proporciones, y para probar si las
diferencias entre proporciones son estadísticamente
significativas
40. Cálculo del tamaño muestral:
•Estimación de una proporción:
n = 1.96²p(1-p)/i²
p--- prevalencia probable en nuestra
población de referencia.
i--- amplitud del intervalo de confianza.
•Estimación de una Media:
n = 1.96²a²/i²
a--- varianza de la variable cuantitativa que se
supone que exista en la población. Si no se
dispone, puede utilizarse una regla práctica que
consiste en hallar la diferencia entre el máximo y
el mínimo valor esperado.
41. En resumen:
•La elección del muestreo debe estar en
función de la pregunta de investigación, del
marco muestral disponible, de la información
sobre la población y de los recursos y tiempo
con que se cuenta.
•Elegir el tipo de muestra dependerá
fundamentalmente de los objetivos del
estudio y del esquema de investigación que
se llevará a cabo.
42. •Las muestras no probabilísticas son efectivas
para determinados diseños, donde sus
resultados solamente son válidos para la
muestra estudiada y no para la población.
•Las muestras probabilísticas son esenciales
en los diseños de investigación cuantitativos,
cuando se pretenden inferir los resultados
obtenidos en el estudio a la población que le
dio origen a la muestra.