Desarrollo de habilidades del siglo XXI - Práctica Educativa en una Unidad-Ca...
Estadística muestral universitaria: tipos de muestreo
1. UNIVERSIDAD DE LOS ANDES
FACULTAD MEDICINA
ESCUELA DE ENFERMERIA
ESTADISTICA
TEMA Nº 2. MUESTREO
PARTE 2
Una vez definido el problema a investigar,
formulados los objetivos y delimitadas las
variables se hace necesario determinar los
elementos o individuos con quienes se va a llevar
a cabo el estudio o investigación.
3. TIPOS DE MUESTREO
PROBABILÍSTICOS
NO PROBABILISTICOS
•Todas las unidades tienen
igual probabilidad de participar
en la muestra.
•Cada unidad NO tiene igual
probabilidad de participar en
la muestra.
•La elección de cada unidad
muestral es independiente de
las demás.
•No se puede calcular el
error muestral
•Riesgo de sesgos
•Se puede calcular el error
muestral.
4. ALGUNOS TIPOS DE MUESTREO
PROBABILÍSTICO
Simple
Sistemático
Estratificado
Por
Conglomerados
5. MUESTREOS PROBABILÍSTICOS: SIMPLE
Se realiza utilizando alguna fuente de elección
aleatoria.
Supone que cada miembro de la población tiene
elemento que lo identifica ( ej. Un número
identificador) y mediante el cual puede ser elegido si
“sale” sorteado.
Implica que hay que tener un listado completo de
TODOS los miembros de la población
6. MUESTREOS PROBABILÍSTICOS: SIMPLE
Ventajas
Facilidad en los cálculos
estadísticos
Elevada probabilidad de
lograr “equivalencia”
entre las características
de la muestra y las
correspondientes a la
población
Desventajas
Cada miembro de la
población tiene que ser
identificado
Complicado en
poblaciones grandes
Alto costo
7. MUESTREOS PROBABILÍSTICOS:
MUESTREO ALEATORIO SISTEMÁTICO
Similar al muestreo simple salvo que:
Solo la primera unidad de la muestra se elige al azar
siempre que el número seleccionado sea mayor que el
coeficiente de elevación.
1.
Coeficiente de Elevación = N/ n
2.
Donde
N: Tamaño de la población
n : Tamaño de la muestra
311
-------- = 3,6
86
Los restantes elementos de la muestra se hayan sumando,
sucesivamente el coeficiente de elevación.
8. MUESTREOS PROBABILÍSTICOS:
MUESTREO ALEATORIO ESTRATIFICADO
Hay que tener conocimiento de las características
de las unidades que forman la población para poder
dividirla en grupos ( estratos)
Se eligen los miembros de la muestra en cada estrato
creado siguiendo algún tipo de muestreo de los
vistos anteriormente.
9. MUESTREO ALEATORIO ESTRATIFICADO
El objetivo de este tipo de muestreo es garantizar la
representatividad equitativa de los estratos ( que
implica representación equitativa de las características
de la población).
Se logra si:
Son máximas las diferencias entre los estratos
Son mínimas las diferencias entre los miembros de un mismo
estrato.
Los criterios de división de la población en estratos se hallan
relacionadas con los objetivos de la investigación.
10. EJ. MUESTREO PROBABILÍSTICO POR
ESTRATOS
Escuelas
Estrato Primario
Escuela
Primarias
Escuela
Secundarias
Escuela 1
Escuela 2
Escuela 1
Escuela 2
Profesores
Profesores
Profesores
Profesores
Se seleccionan ALEATORIAMENTE ni profesores de cada una de las
escuelas seleccionadas . Ejemplo: 2 de la escuela primaria 1 y 2 de la
escuela primaria 2.
11. MUESTREO ALEATORIO ESTRATIFICADO
Los tamaños de cada estrato pueden ser:
Los mismos ( Afijación simple)
Proporcional al peso relativo ( tamaño) del estrato dentro
de la población (Proporcional)
En función de la heterogeneidad de cada estrato (Óptima)
12. EJEMPLO: HAGA UNA SELECCIÓN DE 249 ELEMENTOS DE LA
POBLACIÓN APLICANDO LA DISTRIBUCIÓN PROPORCIONAL AL
TAMAÑO DE LA MUESTRA
2)
3)
2/5/2013
1)
De acuerdo con los datos del problema, se tiene
que existen 6 estratos, cada uno con su tamaño
determinado por el número de personas, en cada
tramo de edad.
Se necesita tomar 249 personas de la población
N=800.000 habitantes.
Se aplica la fórmula 6 veces así:
n= N1/Nt*n
n1= 180.000/800.000*240= 18/80*249= 54
Es decir, del grupo de personas que tienen edades
de 0-10 años se tomarán 54
12
13. CONTINUACIÓN…
n2= N2/Nt = 200.000/800000*240= 2/8*249= 60
se han seleccionado 60 personas entre 11 y 20 años
2/5/2013
n3= N3/Nt= 220.000/800.000*240=22/80*249= 66
se han seleccionado 66 personas entre 21 y 30 años
n4= N4/Nt=100.000/800.000*240=1/8*249= 30
se han seleccionado 30 personas entre 31 y 40 años
n5=N5/Nt= 70.000/800.000*240= 7/80*249= 21
se han seleccionado 21 personas entre 41 y 60 años
N6= N6/Nt= 60.000/800.000*240= 6/80*249= 18
se han seleccionado 18 personas de 61 años y más
13
16. EJEMPLO MUESTRO POR ESTRATOS.
AFIJACIÓN PROPORCIONAL
nestrato1 0,45 x 2500 1125
nestrato2 0,39 x 2500 975
nestrato3 0,16 x 2500 400
17. EJEMPLO DE MUESTREO POR ESTRATOS.
AFIJACIÓN ÓPTIMA
Paso 1 : Multiplicar el porcentaje de la población correspondiente al estrato por la
varianza del estrato
45 x1900 85500
39 x 2600 101400
16 x 2100 33600
Paso 2: Se suman todos los valores obtenidos en el paso 1 (85500+101400+33600= 220500)
Paso 3: Se calcula la proporción de cada valor obtenido en el paso 1 entre el total del paso 2.
Pr oporciónestrato1 85500 / 220500 0,388
Pr oporciónestrato 2 101400 / 220500 0,460
Pr oporciónestrato 3 33600 / 220500 0,152
Paso 4 : Se obtiene el tamaño de la muestra de cada estrato multiplicando
su proporción por el tamaño de la muestra global ( 2500)
0, 388 x 2500 970
0,460 x 2500 1150
0,152 x 2500 380
970,1150, 380 2500
18. VENTAJAS Y DESVENTAJAS DEL
MUESTREO ALEATORIO ESTRATIFICADO
Ventajas
1.
2.
No es necesario
disponer de la lista de
toda la población sino
de las subpoblaciones
extraídas ( por ej. las
escuelas primarias y
secundarias)
Existe una
considerable reducción
de costos
Desventajas
Puede ocurrir que los
miembros de una
unidad superior se
parezcan, reduciendo la
representatividad de
otros en la muestra
final.
19. MUESTREO ALEATORIO POR CONGLOMERADOS
La unidad muestral es un grupo de elementos de la
población que forman una unidad, a la que llamamos
conglomerado.
A diferencia de un estrato, un conglomerado es una
unidad de elementos que contienen representantes
de toda la población.
21. VENTAJAS DEL MUESTREO POR CONGLOMERADOS
Es ventajoso, desde el punto de vista de costos, si se
pueden agrupar los miembros de la población por
conglomerados, en los cuales el criterio de
agrupación no sea la variable que se estudia.
No es preciso tener un listado de toda la población,
sino de las unidades ( conglomerados) por los que se
agruparán.
23. MUESTREO POR CONGLOMERADOS:
2/5/2013
EJEMPLO:
EN LA SIGUIENTE TABLA, SELECCIONE UNA MUESTRA
ALEATORIA DE 4 CUADRAS PARA ESTUDIAR 5 FAMILIAS
EN CADA CUADRA Y PREGUNTAR POR EL NÚMERO DE
NIÑOS MENORES DE 5 AÑOS PARA REALIZAR UNA
ENCUESTA CUANTITATIVA ACERCA DEL CONSUMO DE
ALIMENTOS
23
24. MUESTREO POR CONGLOMERADOS.
TABLA 1. DISTRIBUCIÓN DEL NÚMERO DE FAMILIAS POR CUADRAS
EN UNA POBLACIÓN
___________________________ DE TOVAR. MÉRIDA
Cuadra
N° de familias
___________________________
1
30
2
20
3
18
4
25
5
12
6
32
7
23
8
18
9
12
10
20
_________________________
Total
210
24
25. MUESTREO POR CONGLOMERADOS
SOLUCIÓN:
- EL PRIMER PASO CONSISTE EN SELECCIONAR 4 CUADRAS DE LAS 10,
SE REALIZA MEDIANTE LA APLICACIÓN DEL MUESTREO SIMPLE AL AZAR.
ASUMIENDO QUE FUERON SELECCIONADOS LAS CUADRAS CON LOS
VALORES 1, 6, 8 Y 10, SE CUENTA CON LA SIGUIENTE INFORMACIÓN:
_____________________________
Cuadra
N° de familias
_____________________________
1
20
6
32
8
18
10
20
_____________________________
Total
90 casas/familias
_____________________________
25
26. MUESTREO POR CONGLOMERADOS.
- EL SEGUNDO PASO ES SELECCIONAR, ALEATORIAMENTE, UNA MUESTRA
DE 5 FAMILIAS EN ESAS CUADRAS.
___________________________________
Cuadra
N° de familias Nº muestra/familias
____________________________________
1
20
5
6
32
5
8
18
5
10
20
5
__________________________________
Total
90 casas
20
Al final seleccionar de la muestra solo familias con hijos <de 5 años
_____________________________
26
2/5/2013
- UNA TERCER PASO SE DARÍA AL SELECCIONAR PARA ESTE ESTUDIO,
SÓLO AQUELLAS FAMILIAS QUE TENGAN HIJOS MENORES DE 5 AÑOS. ASÍ
ESTE SERÍA UN MUESTREO DE TRES ETAPAS.
27. 2/5/2013
Nota: Este tipo de muestreo es fácilmente
aplicable debido a que se requiere muy pocas
condiciones para su uso. Sin embargo adolece
de varios defectos:
a) La variabilidad que se obtiene es mayor que en
cualquier otro diseño.
b) Se necesita mucha experiencia para aplicarlo,
ya que a medida que se crece en etapas,
también aumenta el grado de dificultad para
obtener las estimaciones.
c) El error es mayor que cuando se utilizan otras
técnicas de muestreo.
27
28. TIPOS DE MUESTREOS NO
PROBABILÍSTICOS
Por Cuotas
Estratégicos
“ Bola de
Nieve”
29. MUESTREO POR CUOTAS
La población debe ser dividida en estratos
definidos por variables cuya distribución dentro de
la población sea conocida.
Se procede a calcular el tamaño de cada estrato
siguiendo el mismo procedimiento que si fuese un
muestreo probabilístico estratificado.
( proporcional)
30. MUESTRO POR CUOTAS
A diferencia del Muestreo Probabilístico
Estratificado el entrevistador es libre para escoger
a quienes forman parte de cada estrato. (CUOTA)
31. MUESTREO POR CUOTAS
Ventajas
Resulta más
económico que los
muestreos
probabilísticos .
Fácil de ejecutar el
trabajo de campo
No precisa el listado
de la población
Desventajas
Supone mayor error muestral
que los diseños probabilísticos.
No existe un método válido
para calcular el error.
Dificulta el control del trabajo
de campo.
Limitaciones en la
representatividad de la
muestra para las
características no
especificadas en los controles
de cuotas.
32. MUESTREO DE BOLA DE NIEVE
Este modelo es particularmente útil cuando se
muestrean poblaciones cuyos componentes, por
motivos morales, ideológicos, legales o políticos
tienen a ocultar su identidad.
A partir de unos pocos individuos el entrevistador,
con ayuda de los primeros, va “ conociendo” a
nuevos miembros de la muestra.
33. MUESTREO BOLA DE NIEVE
El riesgo fundamental está asociado a la selección
inadecuada de los primeros miembros de la
muestra y de quienes dependerá el resto.
También es posible que ocurran distorsiones si no
se tiene en cuenta criterios muy específicos para
la selección de la muestra.
35. ERROR DE COBERTURA
Se produce cuando no son incluidos determinados
elementos de la población objeto de estudio en el
proceso de selección muestral .
La falta de cobertura impide la cooperación de un
número de unidades muestrales, puesto que
determinados individuos no pueden ser
seleccionados en la muestra, dificultando con ello la
capacidad de inferencia de los hallazgos de la
investigación.
36. PROBLEMAS DE REPRESENTATIVIDAD
Si no se ha logrado representatividad en una o varias
variables, el investigador tiene 3 opciones:
a) Trabajar con la muestra no representativa y contar con
ese límite
b) Redefinir la población. Por ejemplo: no hablar de
enfermos de SIDA sino de enfermos de SIDA que son
atendidos en el HULA.
c) Modificar deliberadamente la muestra para que
represente el comportamiento de la variable bajo estudio.
37. ERROR DE NO RESPUESTA
Falta de
contacto
directo
Deseo
explícito de
no
responder
Pérdidas
por no
respuesta
No
respuesta
por no
entender
38. TIPOS DE ERROR DE NO RESPUESTA
2/5/2013
Parcial
Total
38
39. EJEMPLOS DE ERRORES DE NO RESPUESTA
El entrevistado puede no contestar una
pregunta por falta de conocimiento sobre esa
cuestión, por considerarla muy entrometida al
invadir el ámbito de su privacidad, porque la
considera irrelevante para los objetivos del
estudio, etc.
El entrevistador también contribuye a la no
respuesta parcial por el “olvido” a la hora de
recoger determinadas respuestas, o al tomarlas
equivocadamente.
Ejemplos tomados de : HEADY, P. (1995). «Calibrating Measurement Error in the 1991 Census». Survey
Methods Centre Newsletter, vol. 15, nº 2, p. 3-7.
40. EJEMPLOS DE ERRORES DE NO RESPUESTA
Por último, el cuestionario genera no
respuestas por problemas en la redacción de
las preguntas, y por la utilización de preguntas
«filtro» para que un grupo de preguntas no sean
respondidas por determinados entrevistados
que cumplen (o no cumplen) una serie de
requisitos.
41. CONSECUENCIAS QUE TIENE LA NO
RESPUESTA
•Al reducirse el
tamaño de la
muestra aumenta el
error.
Error
•Si el fenómeno está
concentrado en
sectores específicos
de la población la
muestra puede
sesgarse.
Sesgo
42. MÉTODO DE REDUCCIÓN DEL IMPACTO DE
LA NO RESPUESTA
Prevención
( durante la
recolección
de datos )
Intervención
(luego de la
recolección
de los datos)