Este documento describe los métodos para determinar el tamaño muestral apropiado en estudios epidemiológicos. Explica cómo calcular el tamaño de la muestra requerida para estimar parámetros poblacionales como proporciones y medias, así como para comparar dos proporciones o medias mediante contrastes de hipótesis. También cubre ajustes para tasas de pérdida y proporciona valores estándar para niveles de confianza y poder estadístico.
El documento discute los principios y herramientas para determinar el tamaño de muestra apropiado para un estudio. Explica que el tamaño de muestra depende del diseño del estudio, incluyendo los objetivos, alcance y resultados esperados. También cubre principios como la comparabilidad y generalización, y herramientas estadísticas como modificar la magnitud del efecto, error de estimación o nivel de confianza para lograr el volumen de información necesario.
Este documento presenta conceptos fundamentales sobre cálculo de muestra y muestreo. Define términos como población, muestra, parámetro, estadístico, varianza poblacional e introduce diferentes tipos de muestreo como aleatorio simple, sistemático y estratificado. Explica fórmulas para calcular el tamaño de muestra para estimar medias, proporciones y correlaciones.
Este documento describe las funcionalidades de Epidat, un programa gratuito desarrollado por la Organización Panamericana de la Salud (OPS) para análisis epidemiológico. Originalmente diseñado como una calculadora de bolsillo, Epidat ahora puede instalarse en USB para su uso en cualquier computadora. El documento explica cómo Epidat puede usarse para muestreo, cálculo de riesgos y odds ratios, pruebas diagnósticas, comparación de datos, curvas epidémicas y metanálisis.
Este documento presenta conceptos básicos sobre cálculos muestrales como población, muestra, parámetro, estadístico, varianza poblacional, inferencia estadística, error muestral y nivel de confianza. Luego explica fórmulas para calcular el tamaño de muestra para estimar la media, proporción y correlación de una población, así como para estudios de casos y controles y cohortes. Finalmente incluye ejemplos numéricos de cálculos de tamaño muestral.
Estimacion del tamaño de una muestra representativa de una poblacióntutor03770
Para estimar una proporción en una muestra representativa, se necesita conocer el nivel de confianza, la precisión deseada y una estimación de la proporción poblacional. Con estos parámetros y fórmulas estadísticas, se puede calcular el tamaño muestral necesario para hacer inferencias a la población con el nivel de confianza y precisión especificados. El documento provee un ejemplo del cálculo para estimar la prevalencia de diabetes en una población de 15,000 habitantes con un 95% de confianza y 3% de
9. diferencia entre p de hipótesis e intervalos de confianzaYerko Bravo
Este documento explica la diferencia entre pruebas de hipótesis e intervalos de confianza. Las pruebas de hipótesis determinan la probabilidad de que los resultados observados sean producto del azar, mientras que los intervalos de confianza miden la confiabilidad de los resultados obtenidos de una muestra para estimar parámetros poblacionales. El documento ilustra estos conceptos con ejemplos de efectos de tratamientos en cerdos y tasas de enfermedades en humanos.
Este documento define el tamaño de la muestra y explica cómo se calcula para diferentes tipos de estudios estadísticos. El tamaño de la muestra es el número de sujetos necesarios para que los datos obtenidos sean representativos de la población total. El cálculo del tamaño de la muestra depende del objetivo del estudio, como estimar un parámetro, detectar diferencias entre grupos, o comparar proporciones. La fórmula utilizada varía según se esté estimando una proporción, media, o contrastando hipótes
Este documento describe conceptos básicos relacionados con el análisis de datos, incluyendo las definiciones de variables, tipos de variables cualitativas y cuantitativas, escalas de medición y matrices para clasificar variables. También explica conceptos como población, muestra, y cómo calcular el tamaño de muestra apropiado para estimar parámetros o comparar grupos.
El documento discute los principios y herramientas para determinar el tamaño de muestra apropiado para un estudio. Explica que el tamaño de muestra depende del diseño del estudio, incluyendo los objetivos, alcance y resultados esperados. También cubre principios como la comparabilidad y generalización, y herramientas estadísticas como modificar la magnitud del efecto, error de estimación o nivel de confianza para lograr el volumen de información necesario.
Este documento presenta conceptos fundamentales sobre cálculo de muestra y muestreo. Define términos como población, muestra, parámetro, estadístico, varianza poblacional e introduce diferentes tipos de muestreo como aleatorio simple, sistemático y estratificado. Explica fórmulas para calcular el tamaño de muestra para estimar medias, proporciones y correlaciones.
Este documento describe las funcionalidades de Epidat, un programa gratuito desarrollado por la Organización Panamericana de la Salud (OPS) para análisis epidemiológico. Originalmente diseñado como una calculadora de bolsillo, Epidat ahora puede instalarse en USB para su uso en cualquier computadora. El documento explica cómo Epidat puede usarse para muestreo, cálculo de riesgos y odds ratios, pruebas diagnósticas, comparación de datos, curvas epidémicas y metanálisis.
Este documento presenta conceptos básicos sobre cálculos muestrales como población, muestra, parámetro, estadístico, varianza poblacional, inferencia estadística, error muestral y nivel de confianza. Luego explica fórmulas para calcular el tamaño de muestra para estimar la media, proporción y correlación de una población, así como para estudios de casos y controles y cohortes. Finalmente incluye ejemplos numéricos de cálculos de tamaño muestral.
Estimacion del tamaño de una muestra representativa de una poblacióntutor03770
Para estimar una proporción en una muestra representativa, se necesita conocer el nivel de confianza, la precisión deseada y una estimación de la proporción poblacional. Con estos parámetros y fórmulas estadísticas, se puede calcular el tamaño muestral necesario para hacer inferencias a la población con el nivel de confianza y precisión especificados. El documento provee un ejemplo del cálculo para estimar la prevalencia de diabetes en una población de 15,000 habitantes con un 95% de confianza y 3% de
9. diferencia entre p de hipótesis e intervalos de confianzaYerko Bravo
Este documento explica la diferencia entre pruebas de hipótesis e intervalos de confianza. Las pruebas de hipótesis determinan la probabilidad de que los resultados observados sean producto del azar, mientras que los intervalos de confianza miden la confiabilidad de los resultados obtenidos de una muestra para estimar parámetros poblacionales. El documento ilustra estos conceptos con ejemplos de efectos de tratamientos en cerdos y tasas de enfermedades en humanos.
Este documento define el tamaño de la muestra y explica cómo se calcula para diferentes tipos de estudios estadísticos. El tamaño de la muestra es el número de sujetos necesarios para que los datos obtenidos sean representativos de la población total. El cálculo del tamaño de la muestra depende del objetivo del estudio, como estimar un parámetro, detectar diferencias entre grupos, o comparar proporciones. La fórmula utilizada varía según se esté estimando una proporción, media, o contrastando hipótes
Este documento describe conceptos básicos relacionados con el análisis de datos, incluyendo las definiciones de variables, tipos de variables cualitativas y cuantitativas, escalas de medición y matrices para clasificar variables. También explica conceptos como población, muestra, y cómo calcular el tamaño de muestra apropiado para estimar parámetros o comparar grupos.
Este documento describe los conceptos y fórmulas clave para calcular el tamaño de la muestra en estudios estadísticos. Explica que todo estudio requiere un tamaño de muestra óptimo para comprobar los objetivos con seguridad y esfuerzo mínimo. Luego, detalla dos tipos principales de estudios - aquellos que estiman parámetros poblacionales como proporciones y medias, y aquellos que contrastan hipótesis al comparar grupos. Finalmente, provee detalles específicos sobre cómo calc
1) El documento describe diferentes tipos de poblaciones, muestras y métodos de muestreo. 2) Explica las diferencias entre poblaciones finitas e infinitas, y define la población objetivo, accesible y la muestra. 3) Describe los tipos de sesgo y error muestral, y los métodos de muestreo probabilístico como el aleatorio simple, sistemático, estratificado y por conglomerados.
El documento habla sobre el tamaño de la muestra, que es importante para realizar investigaciones científicas representativas. Explica que el tamaño de la muestra depende del nivel de confianza, error permitido y variabilidad, y presenta fórmulas para calcularlo. También incluye ejemplos como estimar el peso promedio de sacos y conocer la aceptación de programas de TV entre adolescentes.
Este documento trata sobre temas de probabilidad e inferencia estadística. Presenta definiciones clave sobre estimación de parámetros como estimadores insesgados, sesgo y error cuadrático medio. También compara estimadores puntuales y discute criterios para estimados como consistencia. Finalmente, cubre pruebas de hipótesis, incluyendo posibles errores y ejemplos de pruebas para la media y bondad de ajuste.
Este documento presenta información sobre el cálculo del tamaño de la muestra en investigación clínica. Explica que el tamaño de la muestra depende de factores como la diferencia entre grupos que se quiere detectar, la desviación estándar, el nivel de confianza y el poder estadístico. Proporciona fórmulas para calcular el tamaño de la muestra para comparar medias, proporciones y estimar parámetros en un solo grupo. Además, incluye ejemplos de cálculos de tamaño de m
El documento habla sobre pruebas de hipótesis e intervalos de confianza. Explica que una prueba de hipótesis involucra contrastar una hipótesis nula con una hipótesis alternativa utilizando datos de una muestra. También describe los errores tipo I y II y cómo se usan estadísticos como z y t para determinar si se rechaza o no la hipótesis nula. El documento también explica que un intervalo de confianza estima el rango en el que se encuentra el parámetro poblacional real con un cierto n
El documento define los tipos de muestras estadísticas, incluyendo muestras probabilísticas y no probabilísticas. Explica que el tamaño de la muestra es importante para que los datos sean representativos de la población y depende del porcentaje de confianza, porcentaje de error y nivel de variabilidad. Proporciona un ejemplo de cómo calcular el tamaño de una muestra.
Este documento describe los conceptos fundamentales de la estadística inferencial. Explica que la estadística inferencial permite estimar características desconocidas de una población mediante el análisis de una muestra representativa. Se divide la estadística inferencial en tres áreas: distribuciones muestrales, estimación y prueba de hipótesis. Finalmente, define los conceptos clave de cada área como intervalos de confianza, errores tipo I y tipo II, y las hipótesis nula y alternativa.
Formulas para calculo de muestras poblacionalesguilleillo
Este documento describe los aspectos a considerar para determinar el tamaño de muestra necesario para obtener información sobre una población. Explica las fórmulas para calcular el tamaño de muestra para determinar la prevalencia o incidencia de una enfermedad, para determinar si una enfermedad está presente o no, y para estudios epidemiológicos. Los factores que influyen en el cálculo incluyen la frecuencia esperada, el tamaño de la población, la precisión requerida y el nivel de confianza. También pro
Este documento define y explica varios términos clave relacionados con el tamaño de la muestra, incluyendo la media, desviación estándar, tamaño de la muestra, nivel de confianza y cómo calcular el tamaño de la muestra óptimo. Explica que la media es el promedio de los valores, la desviación estándar mide la variabilidad de los datos respecto a la media, el tamaño de la muestra depende del error permitido y nivel de confianza deseado, y hay fórmulas para calcular el t
Este documento explica cómo calcular el tamaño de la muestra adecuado para estimar parámetros poblacionales como la media y la proporción con un cierto nivel de confianza. Presenta fórmulas para calcular el tamaño de la muestra cuando se conoce o no la varianza poblacional. Incluye ejemplos numéricos para ilustrar cómo aplicar las fórmulas y construir intervalos de confianza.
Este ensayo describe los métodos tradicionales de estimación estadística, incluida la estimación puntual y por intervalo. Explica que la estimación es útil para realizar inferencias sobre parámetros poblacionales basadas en muestras. Se definen estimadores puntuales y por intervalo, e identifican propiedades deseables como la insesgabilidad, consistencia y eficiencia. Finalmente, se describen métodos comunes como los momentos, máxima verosimilitud e intervalos de confianza para realizar estimaciones.
Este documento describe conceptos estadísticos como pruebas de hipótesis, intervalos de confianza y estimación de parámetros. Explica que una prueba de hipótesis involucra plantear una hipótesis nula y alternativa, y tomar una decisión sobre si rechazar o no la hipótesis nula. También describe cómo calcular un intervalo de confianza para estimar un parámetro poblacional, como la media, con un cierto nivel de confianza. Finalmente, define la estimación puntual y por intervalo de parámetros descon
Este documento describe la inferencia estadística, que es el proceso de sacar conclusiones sobre una población a partir de una muestra representativa. Explica que la inferencia estadística se basa en obtener una muestra pequeña debido a limitaciones de costo, y que puede usarse para hacer inferencias inductivas con cierto grado de incertidumbre. También introduce conceptos clave como población, muestra, variables, y los dos enfoques principales de la inferencia estadística: paramétrica e no paramétrica.
El documento explica los pasos para realizar una prueba de hipótesis estadística, incluyendo definir la hipótesis nula y alternativa, elegir un nivel de significancia, calcular un estadístico de prueba, establecer una regla de decisión, y tomar una decisión sobre si rechazar o no la hipótesis nula. También describe las distribuciones Z y t que se usan para las pruebas paramétricas y cómo estimar parámetros poblacionales mediante intervalos de confianza.
Este documento describe los conceptos básicos del muestreo probabilístico y no probabilístico. Explica que el muestreo probabilístico permite generalizar los resultados a toda la población mientras que el no probabilístico no. Además, detalla diferentes métodos para calcular el tamaño de la muestra dependiendo de si la población es finita o infinita, y ofrece ejemplos numéricos.
similitudes de una prueba de hipotesis y los intervalos de confianza.Ernesto Garcia
El documento describe el concepto de intervalo de confianza y prueba de hipótesis. Un intervalo de confianza es un rango de valores que probablemente incluya el verdadero parámetro poblacional, con una probabilidad determinada llamada nivel de confianza. Una prueba de hipótesis decide si se acepta o rechaza una proposición sobre un parámetro mediante el cálculo de un intervalo de confianza y la construcción de una hipótesis nula basada en el valor del parámetro encontrado.
El documento describe los conceptos de tamaño de muestra, error muestral y métodos para calcular el tamaño de la muestra necesaria para estudios cualitativos y cuantitativos. Explica que el tamaño de la muestra depende del error que se desea cometer y del nivel de probabilidad. Presenta fórmulas para calcular el tamaño de muestra requerido para poblaciones finitas y infinitas, dependiendo de si se estudian proporciones o valores medios, y si se conoce o no la varianza de la población.
Este documento trata sobre diferentes técnicas de estimación estadística como la estimación puntual, por intervalo, con muestras grandes y pequeñas. Explica conceptos como insesgabilidad, consistencia, eficiencia y suficiencia de un estimador, así como el cálculo de intervalos de confianza. El objetivo es dar valores aproximados de parámetros poblacionales a partir de muestras de datos.
Este documento presenta varias fórmulas para calcular el tamaño óptimo de una muestra para estimar parámetros poblacionales. Explica cómo calcular la muestra cuando se conoce o no el tamaño de la población, y provee ejemplos ilustrativos de cómo aplicar las fórmulas para determinar el tamaño de muestra requerido basado en el nivel de confianza, precisión y proporciones esperadas. También incluye consideraciones sobre cómo seleccionar valores para la varianza poblacional cuando los parámetros
Este documento presenta un resumen de un proyecto de investigación realizado por 5 ingenieros de la Universidad Nororiental "Gran Mariscal de Ayacucho" sobre temas relacionados con la ingeniería de mantenimiento. El proyecto fue facilitado por la ingeniera Carlena Astudillo y se llevó a cabo en El Tigre, Venezuela en mayo de 2016.
Este documento describe los conceptos y fórmulas clave para calcular el tamaño de la muestra en estudios estadísticos. Explica que todo estudio requiere un tamaño de muestra óptimo para comprobar los objetivos con seguridad y esfuerzo mínimo. Luego, detalla dos tipos principales de estudios - aquellos que estiman parámetros poblacionales como proporciones y medias, y aquellos que contrastan hipótesis al comparar grupos. Finalmente, provee detalles específicos sobre cómo calc
1) El documento describe diferentes tipos de poblaciones, muestras y métodos de muestreo. 2) Explica las diferencias entre poblaciones finitas e infinitas, y define la población objetivo, accesible y la muestra. 3) Describe los tipos de sesgo y error muestral, y los métodos de muestreo probabilístico como el aleatorio simple, sistemático, estratificado y por conglomerados.
El documento habla sobre el tamaño de la muestra, que es importante para realizar investigaciones científicas representativas. Explica que el tamaño de la muestra depende del nivel de confianza, error permitido y variabilidad, y presenta fórmulas para calcularlo. También incluye ejemplos como estimar el peso promedio de sacos y conocer la aceptación de programas de TV entre adolescentes.
Este documento trata sobre temas de probabilidad e inferencia estadística. Presenta definiciones clave sobre estimación de parámetros como estimadores insesgados, sesgo y error cuadrático medio. También compara estimadores puntuales y discute criterios para estimados como consistencia. Finalmente, cubre pruebas de hipótesis, incluyendo posibles errores y ejemplos de pruebas para la media y bondad de ajuste.
Este documento presenta información sobre el cálculo del tamaño de la muestra en investigación clínica. Explica que el tamaño de la muestra depende de factores como la diferencia entre grupos que se quiere detectar, la desviación estándar, el nivel de confianza y el poder estadístico. Proporciona fórmulas para calcular el tamaño de la muestra para comparar medias, proporciones y estimar parámetros en un solo grupo. Además, incluye ejemplos de cálculos de tamaño de m
El documento habla sobre pruebas de hipótesis e intervalos de confianza. Explica que una prueba de hipótesis involucra contrastar una hipótesis nula con una hipótesis alternativa utilizando datos de una muestra. También describe los errores tipo I y II y cómo se usan estadísticos como z y t para determinar si se rechaza o no la hipótesis nula. El documento también explica que un intervalo de confianza estima el rango en el que se encuentra el parámetro poblacional real con un cierto n
El documento define los tipos de muestras estadísticas, incluyendo muestras probabilísticas y no probabilísticas. Explica que el tamaño de la muestra es importante para que los datos sean representativos de la población y depende del porcentaje de confianza, porcentaje de error y nivel de variabilidad. Proporciona un ejemplo de cómo calcular el tamaño de una muestra.
Este documento describe los conceptos fundamentales de la estadística inferencial. Explica que la estadística inferencial permite estimar características desconocidas de una población mediante el análisis de una muestra representativa. Se divide la estadística inferencial en tres áreas: distribuciones muestrales, estimación y prueba de hipótesis. Finalmente, define los conceptos clave de cada área como intervalos de confianza, errores tipo I y tipo II, y las hipótesis nula y alternativa.
Formulas para calculo de muestras poblacionalesguilleillo
Este documento describe los aspectos a considerar para determinar el tamaño de muestra necesario para obtener información sobre una población. Explica las fórmulas para calcular el tamaño de muestra para determinar la prevalencia o incidencia de una enfermedad, para determinar si una enfermedad está presente o no, y para estudios epidemiológicos. Los factores que influyen en el cálculo incluyen la frecuencia esperada, el tamaño de la población, la precisión requerida y el nivel de confianza. También pro
Este documento define y explica varios términos clave relacionados con el tamaño de la muestra, incluyendo la media, desviación estándar, tamaño de la muestra, nivel de confianza y cómo calcular el tamaño de la muestra óptimo. Explica que la media es el promedio de los valores, la desviación estándar mide la variabilidad de los datos respecto a la media, el tamaño de la muestra depende del error permitido y nivel de confianza deseado, y hay fórmulas para calcular el t
Este documento explica cómo calcular el tamaño de la muestra adecuado para estimar parámetros poblacionales como la media y la proporción con un cierto nivel de confianza. Presenta fórmulas para calcular el tamaño de la muestra cuando se conoce o no la varianza poblacional. Incluye ejemplos numéricos para ilustrar cómo aplicar las fórmulas y construir intervalos de confianza.
Este ensayo describe los métodos tradicionales de estimación estadística, incluida la estimación puntual y por intervalo. Explica que la estimación es útil para realizar inferencias sobre parámetros poblacionales basadas en muestras. Se definen estimadores puntuales y por intervalo, e identifican propiedades deseables como la insesgabilidad, consistencia y eficiencia. Finalmente, se describen métodos comunes como los momentos, máxima verosimilitud e intervalos de confianza para realizar estimaciones.
Este documento describe conceptos estadísticos como pruebas de hipótesis, intervalos de confianza y estimación de parámetros. Explica que una prueba de hipótesis involucra plantear una hipótesis nula y alternativa, y tomar una decisión sobre si rechazar o no la hipótesis nula. También describe cómo calcular un intervalo de confianza para estimar un parámetro poblacional, como la media, con un cierto nivel de confianza. Finalmente, define la estimación puntual y por intervalo de parámetros descon
Este documento describe la inferencia estadística, que es el proceso de sacar conclusiones sobre una población a partir de una muestra representativa. Explica que la inferencia estadística se basa en obtener una muestra pequeña debido a limitaciones de costo, y que puede usarse para hacer inferencias inductivas con cierto grado de incertidumbre. También introduce conceptos clave como población, muestra, variables, y los dos enfoques principales de la inferencia estadística: paramétrica e no paramétrica.
El documento explica los pasos para realizar una prueba de hipótesis estadística, incluyendo definir la hipótesis nula y alternativa, elegir un nivel de significancia, calcular un estadístico de prueba, establecer una regla de decisión, y tomar una decisión sobre si rechazar o no la hipótesis nula. También describe las distribuciones Z y t que se usan para las pruebas paramétricas y cómo estimar parámetros poblacionales mediante intervalos de confianza.
Este documento describe los conceptos básicos del muestreo probabilístico y no probabilístico. Explica que el muestreo probabilístico permite generalizar los resultados a toda la población mientras que el no probabilístico no. Además, detalla diferentes métodos para calcular el tamaño de la muestra dependiendo de si la población es finita o infinita, y ofrece ejemplos numéricos.
similitudes de una prueba de hipotesis y los intervalos de confianza.Ernesto Garcia
El documento describe el concepto de intervalo de confianza y prueba de hipótesis. Un intervalo de confianza es un rango de valores que probablemente incluya el verdadero parámetro poblacional, con una probabilidad determinada llamada nivel de confianza. Una prueba de hipótesis decide si se acepta o rechaza una proposición sobre un parámetro mediante el cálculo de un intervalo de confianza y la construcción de una hipótesis nula basada en el valor del parámetro encontrado.
El documento describe los conceptos de tamaño de muestra, error muestral y métodos para calcular el tamaño de la muestra necesaria para estudios cualitativos y cuantitativos. Explica que el tamaño de la muestra depende del error que se desea cometer y del nivel de probabilidad. Presenta fórmulas para calcular el tamaño de muestra requerido para poblaciones finitas y infinitas, dependiendo de si se estudian proporciones o valores medios, y si se conoce o no la varianza de la población.
Este documento trata sobre diferentes técnicas de estimación estadística como la estimación puntual, por intervalo, con muestras grandes y pequeñas. Explica conceptos como insesgabilidad, consistencia, eficiencia y suficiencia de un estimador, así como el cálculo de intervalos de confianza. El objetivo es dar valores aproximados de parámetros poblacionales a partir de muestras de datos.
Este documento presenta varias fórmulas para calcular el tamaño óptimo de una muestra para estimar parámetros poblacionales. Explica cómo calcular la muestra cuando se conoce o no el tamaño de la población, y provee ejemplos ilustrativos de cómo aplicar las fórmulas para determinar el tamaño de muestra requerido basado en el nivel de confianza, precisión y proporciones esperadas. También incluye consideraciones sobre cómo seleccionar valores para la varianza poblacional cuando los parámetros
Este documento presenta un resumen de un proyecto de investigación realizado por 5 ingenieros de la Universidad Nororiental "Gran Mariscal de Ayacucho" sobre temas relacionados con la ingeniería de mantenimiento. El proyecto fue facilitado por la ingeniera Carlena Astudillo y se llevó a cabo en El Tigre, Venezuela en mayo de 2016.
Calculo de Muestras en Epidemiologia con ejemplosMaraVirginiaPrez
Este documento describe los conceptos clave de muestreo en epidemiología, incluyendo la diferencia entre población y muestra. Explica los tipos de muestreo probabilístico y no probabilístico, y proporciona fórmulas para calcular el tamaño de la muestra para estimar proporciones y medias con diferentes niveles de confianza y precisión. También identifica posibles sesgos y errores en los estudios de muestreo.
Este documento presenta información sobre el seminario integrador de salud pública del ciclo XIII en la Universidad Privada San Juan Bautista. Incluye temas como estadística descriptiva, diseños de investigación, endemias, epidemias y brotes, atención primaria y promoción de la salud. También contiene preguntas y respuestas sobre conceptos estadísticos y epidemiológicos relacionados con la salud pública.
Este documento resume fórmulas para calcular el tamaño de la muestra en diferentes contextos estadísticos, incluyendo estimar la media poblacional, estimar la proporción poblacional, estimar la diferencia entre medias, y estimar la diferencia entre proporciones. Explica los parámetros involucrados como el nivel de confianza, error estándar, varianza poblacional, y proporciones.
El documento habla sobre la determinación del tamaño de muestra (N) en un estudio. Explica que N depende de los objetivos del estudio, ya sea para estimar parámetros poblacionales o probar hipótesis. Para la estimación, N depende de la variabilidad del parámetro, el nivel de confianza y la precisión deseada. Para probar hipótesis, depende del tipo de hipótesis, los riesgos alfa y beta, la diferencia mínima a detectar y la variabilidad en la población. En amb
El primer documento discute que los resultados estadísticamente significativos de un estudio no siempre son clínicamente relevantes. El segundo documento describe un estudio que seleccionó una muestra aleatoria de 26 pacientes para detectar una diferencia del 20% en la proporción de sujetos curados entre dos grupos con un poder del 80% y un nivel de significación del 5%.
El primer documento resume la varianza y su uso para medir la dispersión de una variable en relación a su media. El segundo documento explica el error tipo I, que ocurre cuando se rechaza incorrectamente la hipótesis nula siendo esta verdadera. El tercer documento describe la prueba z para la media, que evalúa si la media de una muestra se desvía significativamente de la media poblacional conocida.
Este documento trata sobre el cálculo del tamaño de la muestra en investigación estadística. Explica que el tamaño de la muestra depende del nivel de confianza, el porcentaje de error permitido y la variabilidad de la población. Incluye fórmulas para calcular el tamaño de la muestra cuando se conoce o no el tamaño total de la población, y destaca la importancia de considerar estos factores para que la muestra sea representativa.
Este documento presenta información sobre el cálculo del tamaño de la muestra para estimar parámetros poblacionales como medias y proporciones. Explica que el tamaño de la muestra depende del nivel de confianza, error permitido y si la población es finita o infinita. También incluye fórmulas para calcular el tamaño de la muestra para estimar una media poblacional o la proporción de una categoría en la población, y brinda ejemplos para ilustrar cómo aplicar estos conceptos.
Este documento presenta información sobre el cálculo del tamaño de la muestra para estimar parámetros poblacionales como medias y proporciones. Explica las fórmulas para determinar el tamaño de la muestra en función del nivel de confianza, error permitido y características de la población. También destaca la importancia de considerar factores como el diseño del estudio, tipo de muestreo y factibilidad del estudio al determinar el tamaño de la muestra.
Este documento presenta información sobre el cálculo del tamaño de la muestra para estimar parámetros poblacionales como medias y proporciones. Explica las fórmulas para determinar el tamaño de la muestra en función del nivel de confianza, error permitido y características de la población. También discute factores como el diseño del estudio y tipo de muestreo que afectan el cálculo. Finalmente, provee un ejemplo numérico para ilustrar cómo aplicar estas fórmulas.
1 estimación del tamaño de la muestra inferencial1.Gonzalo Navarro
Este documento describe los criterios para estimar el tamaño de muestra adecuado para un estudio estadístico. Explica que una muestra debe ser representativa de la población y de un tamaño suficiente para detectar diferencias significativas. Luego detalla fórmulas comúnmente usadas para calcular el tamaño de muestra en base al nivel de confianza deseado, grado de precisión, prevalencia estimada de la variable de estudio y tamaño de la población. Finalmente, presenta ejemplos numéricos de cálculos de t
Este documento discute los factores que determinan el tamaño de la muestra en la investigación clínica. Explica que el tamaño de la muestra depende de la desviación estándar de la variable estudiada y debe ser lo suficientemente grande como para generalizar los resultados a toda la población con un mínimo error de probabilidad. Presenta fórmulas para calcular el tamaño de la muestra necesario para estimar parámetros como la media o proporción poblacional dentro de un intervalo de confianza específico.
Este documento trata sobre el tamaño de la muestra en estadística inferencial. Explica que el tamaño de la muestra depende del nivel de confianza, el porcentaje de error permitido y la variabilidad de la población. Presenta fórmulas para calcular el tamaño de la muestra para poblaciones finitas e infinitas y tablas con valores Z para diferentes niveles de confianza. Finalmente, incluye un ejemplo numérico de cálculo del tamaño de la muestra.
El documento explica los conceptos básicos del cálculo de muestras en investigaciones, incluyendo las fórmulas para calcular el tamaño de muestra apropiado dependiendo del tipo de estudio y variables. Se detalla cómo calcular la muestra para estudios descriptivos, explicativos, de casos y controles, y de cohortes, considerando factores como el nivel de confianza, precisión absoluta, y variabilidad de parámetros poblacionales.
El documento explica los conceptos básicos del cálculo de muestras en investigaciones, incluyendo las fórmulas para estimar parámetros poblacionales y contrastar hipótesis. Describe los tipos de estudios y variables a considerar para calcular un tamaño de muestra adecuado, como la variabilidad de la población, el nivel de confianza deseado y la precisión absoluta. También presenta fórmulas específicas para distintos diseños como estudios descriptivos, de casos y controles, de cohortes o para comparar dos
El documento explica los conceptos básicos del cálculo de muestras en investigaciones, incluyendo las fórmulas para estimar parámetros poblacionales y contrastar hipótesis. Describe los tipos de estudios y variables a considerar para calcular un tamaño de muestra adecuado, como la variabilidad de la población, el nivel de confianza deseado y la precisión absoluta. También presenta fórmulas específicas para diferentes diseños de estudio como descriptivos, explicativos, de casos y controles o de cohortes.
Este documento explica cómo calcular el tamaño de la muestra adecuado para estimar parámetros poblacionales como la media y la proporción con un cierto nivel de confianza. Presenta fórmulas para calcular el tamaño de la muestra cuando se conoce o no la varianza poblacional. Incluye ejemplos numéricos para ilustrar cómo construir intervalos de confianza y calcular el error máximo de estimación para una proporción.
Este documento trata sobre inferencia estadística y pruebas de hipótesis. Explica conceptos como estimación de parámetros, intervalos de confianza, tipos de hipótesis (nula y alterna), y tipos de errores. También describe cómo se aplica la inferencia estadística en salud para estimar parámetros poblacionales y probar hipótesis a partir de muestras.
Este proyecto de investigación analizará la influencia del gasto público en salud y educación en el crecimiento económico de la región de Ancash, Perú durante el periodo 2010-2019. La investigadora recolectará datos sobre el gasto en salud y educación así como sobre el crecimiento económico de Ancash. Luego utilizará métodos estadísticos como el análisis descriptivo y modelos econométricos multivariados para determinar la relación entre estas variables. El estudio busca contribuir al entendimiento sobre cómo el gasto público en áreas
El documento presenta el silabo de la asignatura de Econometría II. La asignatura se enfoca en desarrollar conceptos básicos de análisis de interrelación de variables económicas y en enseñar el uso correcto de herramientas econométricas. El silabo describe los objetivos, temas, metodología y forma de evaluación de la asignatura.
This document is a budget report in Spanish for the Regional Government of Ancash Department, Ancash Health Huaraz. It shows the budget, certified amounts, balances and percentage of advances for various programs like Nutritional Program, Maternal and Neonatal Health, Tuberculosis, Non-Communicable Diseases and others. The total budget was 11.7 million soles, of which 7 million soles or 59.9% was certified as of December 2018, leaving a balance of 4.7 million soles.
Este documento describe el método de investigación utilizado en un estudio sobre el clima escolar y las relaciones interpersonales entre docentes. El estudio tuvo un diseño no experimental, transversal y correlacional. La muestra estuvo constituida por los 86 docentes de una institución educativa. Se utilizaron cuestionarios con escala de Likert para medir las variables de clima escolar y relaciones interpersonales. Los cuestionarios mostraron validez de contenido y confiabilidad a través del Alfa de Cronbach.
Proyecto de tesis colecistectomia 2017edvar moreno
Este documento presenta un estudio sobre el costo efectividad de la colecistectomía laparoscópica en comparación con la colecistectomía convencional para el tratamiento de la colecistitis en el Hospital "Víctor Ramos Guardia" en Huaraz, Perú entre 2012 y 2016. El estudio analizará los costos y la efectividad de ambos procedimientos quirúrgicos para determinar cuál es el más costo efectivo. Adicionalmente, justifica la investigación debido a que puede mejorar la calidad de la atención al paciente
El documento describe el flujograma de atención de un paciente que se someterá a una colecistectomía, incluyendo las etapas pre-operatoria, trans-operatoria y post-operatoria. En cada etapa se detallan los procesos y actividades involucradas, así como los recursos humanos y materiales requeridos y sus costos asociados.
Sustento para adquisición equipos central de esterilizacionedvar moreno
El documento describe la necesidad de mejorar el servicio de esterilización del Hospital Víctor Ramos Guardia en Huaraz, Perú. Actualmente el espacio y equipamiento son inadecuados para satisfacer la alta demanda. Se propone implementar un nuevo equipo para la central de esterilización que permita mejorar la calidad de los servicios quirúrgicos y reducir las infecciones, beneficiando a más de 500,000 personas en la región.
El Hospital Víctor Ramos Guardia necesita reemplazar sus dos calderas de más de 35 años por una nueva caldera de 100 BHP debido a que ya cumplieron su vida útil y requieren continuos y costosos mantenimientos correctivos. La casa de máquinas donde se ubican las calderas tiene infraestructura de 1963 que se encuentra en mal estado. Las calderas actuales proveen vapor y agua caliente a servicios como lavandería, nutrición, esterilización y quirófanos que atienden a más de 95,000 pacientes por año.
El documento describe los diferentes tipos de investigación (exploratoria, descriptiva y explicativa) utilizados en tesis, incluyendo sus definiciones, naturalezas y ejemplos de títulos. Explica que los estudios exploratorios se usan cuando el tema aún no ha sido suficientemente estudiado, los descriptivos para medir variables cuantitativamente, y los explicativos para explicar por qué ocurren fenómenos o están relacionadas variables. Además, ofrece consideraciones para elegir el tema, elaborar el título y la relación entre preguntas de
El documento habla brevemente sobre una estadística y una pantalla que aparece. No proporciona suficiente información para generar un resumen útil de 3 oraciones o menos.
El documento describe la implementación del Manual de Perfiles de Puestos (MPP) como un instrumento de gestión de recursos humanos en las entidades públicas. El MPP describe todos los puestos de una entidad de manera estructurada y debe elaborarse siguiendo la metodología establecida por SERVIR. La Oficina de Recursos Humanos de cada entidad es responsable de dirigir la formulación del MPP en coordinación con las diferentes unidades. A partir de enero de 2014 es obligatorio contar con el perfil del puesto aprobado para todos los procesos de selección
Heterociclos y Grupos Funcionales.
Son compuestos cíclicos de Carbono, en los que uno o más átomos de carbono del anillo han sido sustituidos por un átomo diferente, como oxígeno, azufre, fósforo, etc.
SEMIOLOGIA MEDICA - Escuela deMedicina Dr Witremundo Torrealba 2024Carmelo Gallardo
Escuela de Medicina Dr Witremundo Torrealba
.
Primer Lapso de Semiología
.
Conceptos de Semiología Médica, Signos, Síntomas, Síndromes, Diagnóstico, Pronóstico
Fijación, transporte en camilla e inmovilización de columna cervical II.pptxmichelletsuji1205
Ante una lesión de columna cervical es vital saber como debemos proceder, por lo que este informe detalla los procedimientos y precauciones necesarios para la adecuada inmovilización de la misma, destacando su relevancia debido a la frecuencia de lesiones asociadas, así como los materiales requeridos y el momento oportuno para llevar a cabo esta práctica en la atención inicial a pacientes politraumatizados. El objetivo es asegurar la máxima supervivencia del paciente hasta su traslado al hospital."
PRESENTACION DE LA TECNICA SBAR-SAER - ENFERMERIAmegrandai
Una comunicación inadecuada es reconocida como la causa más común de errores
graves desde el punto de vista clínico y organizativo. Existen algunos obstáculos
fundamentales a la comunicación entre diferentes disciplinas y niveles profesionales.
Ejemplos de ello son la jerarquía, el género, el origen étnico y las diferencias de estilos
de comunicación entre las disciplinas y las personas. En la mayoría de los casos, las
enfermeras y los médicos comunican de maneras muy diferentes, a las enfermeras se
les enseña a informar de manera narrativa, proporcionando todos los detalles
conocidos sobre el paciente, a los médicos se les enseña a comunicarse usando breves
"viñetas" que proporcionan información clave para el oyente.
La transferencia de pacientes entre profesionales sanitarios en urgencias es entendida
como un proceso puramente informativo y dinámico de la situación clínica del
paciente, mediante el cual se traspasa la responsabilidad del cuidado del enfermo a
otro profesional sanitario, dando continuidad a los cuidados recibidos hasta el
momento.
La importancia del traspaso de información del cliente en la recepción y entrega de
turno tiene un impacto directo en la continuidad de la atención, permite orientar el
cuidado de enfermería considerando el estado general del cliente, optimizando los
tiempos y recursos disponibles en relación a las necesidades del cliente.
La Sociedad Española de Cardiología (SEC) es una organización científica sin ánimo de lucro con la misión de reducir el impacto adverso de las enfermedades cardiovasculares y promover una mejor salud cardiovascular en la ciudadanía.
Procedimientos Básicos en Medicina - HEMORRAGIASSofaBlanco13
En el presente Power Point se explica el tema de hemorragias en el curso de Procedimiento Básicos en Medicina. Se verán las causas, las cuales son por traumatismos, trastornos plaquetarios, de vasos sanguíneos y de coagulación. Asimismo, su clasificación, esta se divide por su naturaleza (externa o interna), por su procedencia (capilar, venosa o arterial) y según su gravedad. Además, se explica el manejo. Este puede ser por presión directa, elevación del miembro, presión de la arteria o torniquete. Finalmente, los tipos de hemorragias externas y en que partes del cuerpo se dan.
En esta presentación encontrarán información detallada sobre cómo realizar correctamente la maniobra de Heimlich y también información sobre lo que es la asfixia.
La tromboembolia pulmonar (TEP) se define como una oclusión parcial o completa del lecho vascular pulmonar por trombos originados, en mas de un 80% de los casos, en el sistema venoso de las extremidades inferiores o pelvicas.
traumatismos y su tratamiento en niños y adolescentesaaronpozopeceros
En la presentación se abarcan temas sobre las diversas formas de traumatisos en niños y adolescentes como las contusiones, esguinces, luxaciones, fracturas y distenciones. Tambien se tratan algunos aspectos para su diagnóstico y, por último, cual es el tratamiento para cada tipo de caso que se presente.
traumatismos y su tratamiento en niños y adolescentes
Determinación del tamaño muestral
1. Determinación del tamaño muestral
Autores:
Pita Fernández, S. [ Correo de contacto ]
Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario Universitario de A Coruña
CAD ATEN PRIMARIA 1996; 3: 138-14.
Actualizada el 01/12/2010.
Tabla de contenidos:
Estudios para determinar
parámetros
- Estimar una proporción
- Estimar una media
[Seguridad-Precisión-
Proporción esperada]
[Población infinita-Población
finita]
Estudios para contraste de
hipótesis
- Comparación de dos
proporciones
- Comparación de dos medias
Tamaño muestral ajustado a
las pérdidas
Valores de Zα y Zβ más
frecuentes
Bibliografía
Cálculos online
Calculadora en Excel para calcular el tamaño
muestral
Todo estudio epidemiológico lleva implícito en la fase de diseño la determinación del tamaño muestral
necesario para la ejecución del mismo (1-4)
. 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.
Para determinar el tamaño muestral de un estudio, debemos considerar diferentes situaciones (5-7)
:
A. Estudios para determinar parámetros. Es decir pretendemos hacer inferencias a valores poblacionales
(proporciones, medias) a partir de una muestra (Tabla 1).
B. Estudios para contraste de hipótesis. Es decir pretendemos comparar si las medias o las proporciones
de las muestras son diferentes.
Tabla 1. Elementos de la Inferencia Estadística
2. A. Estudios para determinar parámetros
Con estos estudios pretendemos hacer inferencias a valores poblacionales (proporciones, medias) a partir de
una muestra.
A.1. Estimar una proporción:
Si deseamos estimar una proporción, debemos saber:
1.El nivel de confianza o seguridad (1-α ). El nivel de confianza prefijado da lugar a un coeficiente
(Za ). Para una seguridad del 95% = 1.96, para una seguridad del 99% = 2.58.
2. La precisión que deseamos para nuestro estudio.
3. Una idea del valor aproximado del parámetro que queremos medir (en este caso una proporción).
Esta idea se puede obtener revisando la literatura, por estudio pilotos previos. En caso de no
tener dicha información utilizaremos el valor p = 0.5 (50%).
Ejemplo: ¿A cuantas personas tendríamos que estudiar para conocer la prevalencia de diabetes?
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:
donde:
Zα
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:
3. donde:
N = Total de la población
Za
2
= 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.
Según diferentes seguridades el coeficiente de Za varía, así:
Si la seguridad Za fuese del 90% el coeficiente sería 1.645
Si la seguridad Za fuese del 95% el coeficiente sería 1.96
Si la seguridad Za fuese del 97.5% el coeficiente sería 2.24
Si la seguridad Za fuese del 99% el coeficiente sería 2.576
A.2. Estimar una media:
Si deseamos estimar una media: debemos saber:
El nivel de confianza o seguridad (1-α ). El nivel de confianza prefijado da lugar a un coeficiente
(Za ). Para una seguridad del 95% = 1.96; para una seguridad del 99% = 2.58.
La precisión con que se desea estimar el parámetro (2 *d es la amplitud del intervalo de
confianza).
Una idea de la varianza S2
de la distribución de la variable cuantitativa que se supone existe en la
población.
Ejemplo: Si deseamos conocer la media de la glucemia basal de una población, con una seguridad del 95 % y
una precisión de ± 3 mg/dl y tenemos información por un estudio piloto o revisión bibliográfica que la varianza
es de 250 mg/dl
Si la población es finita, como previamente se señaló, es decir conocemos el total de la población y
desearíamos saber cuantos del total tendríamos que estudiar, la respuesta sería:
4. B. Estudios para contraste de hipótesis:
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:
1. Magnitud de la diferencia a detectar que tenga interés clínicamente relevante. Se pueden
comparar dos proporciones o dos medias.
2. Tener una idea aproximada de los parámetros de la variable que se estudia (bibliografía, estudios
previos).
3. Seguridad del estudio (riesgo de cometer un error α)
4. Poder estadístico (1 - β) (riesgo de cometer un error β)
5. Definir si la hipótesis va a ser unilateral o bilateral.
Bilateral: Cualquiera de los dos parámetros a comparar (medias o proporciones)
puede ser mayor o menor que el otro. No se establece dirección.
Unilateral: Cuando se considera que uno de los parámetros debe ser mayor que el
otro, indicando por tanto una dirección de las diferencias.
La hipótesis bilateral es una hipótesis más conservadora y disminuye el riesgo de cometer un error de tipo I
(rechazar la H0 cuando en realidad es verdadera).
B1. Comparación de dos proporciones:
Donde:
n = sujetos necesarios en cada una de las muestras
Za = Valor Z correspondiente al riesgo deseado
Zb = Valor Z correspondiente al riesgo deseado
p1 = Valor de la proporción en el grupo de referencia, placebo, control o tratamiento habitual.
p2 = Valor de la proporción en el grupo del nuevo tratamiento, intervención o técnica.
p = Media de las dos proporciones p1 y p2
Los valores Za según la seguridad y Zb según el poder se indican en la Tabla 2 (8)
.
B2. Comparación de dos medias:
Donde:
n = sujetos necesarios en cada una de las muestras
Za = Valor Z correspondiente al riesgo deseado
Zb = Valor Z correspondiente al riesgo deseado
S2
= Varianza de la variable cuantitativa que tiene el grupo control o de referencia.
d = Valor mínimo de la diferencia que se desea detectar (datos cuantitativos)
Los valores Za según la seguridad y Zb según el poder se indican en la Tabla 2 (8)
.
Tabla 2. Valores de Zα y Zβ más frecuentemente utilizados
Za
5. α Test unilateral Test bilateral
0.200
0.150
0.100
0.050
0.025
0.010
0.842
1.036
1.282
1.645
1.960
2.326
1.282
1.440
1.645
1.960
2.240
2.576
Potencia
β (1-β) Zb
0.01
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
0.99
0.95
0.90
0.85
0.80
0.75
0.70
0.65
0.60
0.55
0.50
2.326
1.645
1.282
1.036
0.842
0.674
0.524
0.385
0.253
0.126
0.000
Ejemplo de comparación de dos medias:
Deseamos utilizar un nuevo fármaco antidiabético y consideramos que seria clínicamente eficaz si lograse un
descenso de 15 mg/dl respecto al tto. Habitual con el antidiabético estándar. Por estudios previos sabemos
que la desviación típica de la glucemia en pacientes que reciben el tratamiento habitual es de 16 mg/dl.
Aceptamos un riesgo de 0.05 y deseamos un poder estadístico de 90% para detectar diferencias si es que
existen.
precisamos 20 pacientes en cada grupo.
Ejemplo de comparación de dos proporciones:
Deseamos evaluar si el Tratamiento T2 es mejor que el tratamiento T1 para el alivio del dolor para lo que
diseñamos un ensayo clínico. Sabemos por datos previos que la eficacia del fármaco habitual está alrededor
del 70% y consideramos clínicamente relevante si el nuevo fármaco alivia el dolor en un 90%. Nuestro nivel
de riesgo lo fijamos en 0.05 y deseamos un poder estadístico de un 80%.
n = 48 pacientes. En cada grupo precisamos 48 pacientes.
El tamaño muestral ajustado a las pérdidas:
6. En todos los estudios es preciso estimar las posibles perdidas de pacientes por razones diversas (pérdida de
información, abandono, no respuesta….) por lo que se debe incrementar el tamaño muestral respecto a
dichas pérdidas.
El tamaño muestral ajustado a las pérdidas se puede calcular:
Muestra ajustada a las pérdidas = n (1 / 1–R)
n = número de sujetos sin pérdidas
R = proporción esperada de pérdidas
Así por ejemplo si en el estudio anterior esperamos tener un 15% de pérdidas el tamaño muestral necesario
seria: 48 (1 / 1-0.15) = 56 pacientes en cada grupo.
Bibliografía
1. Contandriopoulos AP, Champagne F, Potvin L, Denis JL, Boyle P. Preparar un proyecto de
investigación. Barcelona: SG Editores ; 1991.
2. Hulley SB, Cummings SR. Diseño de la investigación clínica. Un enfoque epidemiológico.
Barcelona: Doyma; 1993.
3. Cook TD., Campbell DT. Quasi-Experimentation. Design & Analysis Issues for Field Settings.
Boston: Houghton Mifflin Company; 1979.
4. Kleinbaum DG., Kupper LL., Morgenstern H. Epidemiologic Research. Principles and Quantitative
Methods. Belmont, California: Lifetime Learning Publications. Wadsworth; 1982.
5. Dawson-Saunders B, Trapp RG. Bioestadística Médica . 2ª ed. México: Editorial el Manual
Moderno; 1996.
6. Milton JS, Tsokos JO. Estadística para biología y ciencias de la salud. Madrid: Interamericana
McGraw Hill; 2001.
7. Martín Andrés A, Luna del Castillo JD. Bioestadística para las ciencias de la salud. 4ª ed. Madrid:
NORMA; 1993.
8. Argimón Pallas J.M., Jiménez Villa J. Métodos de investigación aplicados a la atención primaria
de salud. 2ª ed. Barcelona: Mosby-Doyma; 1994.
7. En todos los estudios es preciso estimar las posibles perdidas de pacientes por razones diversas (pérdida de
información, abandono, no respuesta….) por lo que se debe incrementar el tamaño muestral respecto a
dichas pérdidas.
El tamaño muestral ajustado a las pérdidas se puede calcular:
Muestra ajustada a las pérdidas = n (1 / 1–R)
n = número de sujetos sin pérdidas
R = proporción esperada de pérdidas
Así por ejemplo si en el estudio anterior esperamos tener un 15% de pérdidas el tamaño muestral necesario
seria: 48 (1 / 1-0.15) = 56 pacientes en cada grupo.
Bibliografía
1. Contandriopoulos AP, Champagne F, Potvin L, Denis JL, Boyle P. Preparar un proyecto de
investigación. Barcelona: SG Editores ; 1991.
2. Hulley SB, Cummings SR. Diseño de la investigación clínica. Un enfoque epidemiológico.
Barcelona: Doyma; 1993.
3. Cook TD., Campbell DT. Quasi-Experimentation. Design & Analysis Issues for Field Settings.
Boston: Houghton Mifflin Company; 1979.
4. Kleinbaum DG., Kupper LL., Morgenstern H. Epidemiologic Research. Principles and Quantitative
Methods. Belmont, California: Lifetime Learning Publications. Wadsworth; 1982.
5. Dawson-Saunders B, Trapp RG. Bioestadística Médica . 2ª ed. México: Editorial el Manual
Moderno; 1996.
6. Milton JS, Tsokos JO. Estadística para biología y ciencias de la salud. Madrid: Interamericana
McGraw Hill; 2001.
7. Martín Andrés A, Luna del Castillo JD. Bioestadística para las ciencias de la salud. 4ª ed. Madrid:
NORMA; 1993.
8. Argimón Pallas J.M., Jiménez Villa J. Métodos de investigación aplicados a la atención primaria
de salud. 2ª ed. Barcelona: Mosby-Doyma; 1994.