Muestro epidemiologico medico veterinario

1. Tipos de muestreo
MVZ.EPA. Ruby Sandy Moreno Mejia

2.  Definición de muestreo
 Ventajas
 Diseño del muestreo
 Tipos de muestreo
Probabilístico
No probabilístico

3.  Procedimiento utilizado para contar con
datos para estimar parámetros de la
población, permite hacer inferencias
estadísticas con la mayor confiabilidad
posible.
 Mediante el muestreo se determinan
estimadores.

4. POBLACIÓN (parámetros)
MUESTRA (estimadores)

5.  Más económico.
 Más rápido.
 Resultados similares a un censo

6. 1. Definir la población blanco
2. Establecer un diseño muestral
• Objetivo
• TMM
• Tipo de muestreo
• Información que se tiene
• Recursos
3. Determinar procedimientos de análisis de la
información

7. Población
Elemento
Conjunto de
individuos, cuyas
características son
desconocidas. A
partir de una
muestra se inferirá o
estimará dicha
característica.
(prevalencia)
 Es un sujeto u objeto al
cual se le hacen las
mediciones

8. Unidades de muestreo Marco muestral
 Colecciones no
traslapadas de
elementos de la
población que la
cubren completamente
 Es una lista de las
unidades de muestreo

9.  Probabilístico y no probabilístico.
 Probabilístico: Tipo de muestreo en el que
cada uno de los elementos de la población
tiene una probabilidad conocida y diferente
de cero de ser seleccionado.
 •Muestreo aleatorio simple
 •Muestreo sistemático
 •Muestreo estratificado
 •Muestreo por conglomerados

10.  Ningún elemento tiene mayor probabilidad de
ser seleccionado que otro.
Selección de las muestras:
•sorteo.
•tabla de números aleatorios.
•computadora.
•calculadora

12. Ventajas Desventajas
 Todos los elementos
tienen la misma
probabilidad.
 Sencillo para la
selección de los
elementos
 Requiere de un marco
muestral completo.
 Difícil cuando las
muestras están
dispersas.
 Problemas logísticos

13.  Permite tomar la muestra al seleccionar
aleatoriamente un elemento de los primeros k
elementos y después cada k-ésimo.

14.  a) Ordenar los elementos en una lista o
numerarlos en un mapa.
 b) Determinar el valor de “k”.
k= Tamaño de la población/ tamaño de la
muestra.
 c) Seleccionar un número aleatorio del 1 a k.

15.  Se requiere tomar 50 muestras de una
población de 600.
k = 600/50 = 12
 Se selecciona un valor aleatorio de 1 a 12.
Supongamos que fuera el 5.
 Entonces el muestreo será tomando a los
individuos con los siguientes números: 5, 17,
29…65, 77, 89...545, 557, 569, 581, 593.

16. Ventajas Desventajas
 Solo se usa tabla de
números aleatorios
una sola vez y
garantiza la
distribución de la
muestra.
 Necesita un marco
muestral detallado.
Posibilidad de sesgo si
hay algún
ordenamiento en las
unidades muestrales.

17.  Permite clasificar a la muestra en grupos
(estratos), si éstos presentan diferencias en la
variable estudiada (mayor variabilidad entre
estratos y mayor homogeneidad dentro de
estratos).
 Un ejemplo es clasificar hatos lecheros de
acuerdo a su nivel de tecnificación.

18. A) Separar las unidad de acuerdo al estrato que
les corresponda (similitud de acuerdo a la
variable de interés).
B) Dividir el número de muestras en partes
iguales de acuerdo al estrato.
C) Determinar el tamaño mínimo de la muestra
en forma proporcional al tamaño del estrato.

19. Ventajas Desventajas
 Estimación final con
menos error debido a
variabilidad.
 Permite estimar valores
para cada estrato y
global
 Más complejo,
necesario un marco
muestral.
 Puede haber
subjetividad en el
criterio de
estratificación

20.  Es aquel en el cual las unidades de muestreo
son agrupaciones o colecciones de elementos

21.  Implica la evaluación de todos o una parte
proporcional de los elementos del
conglomerado, por ejemplo: parásitos por
animal, vacas por hato, personas por
vivienda.
 Determinar el número promedio de
elementos en el conglomerado y de acuerdo
al tamaño mínimo de muestra, determinar el
número de conglomerados a considerar.

22. Ventajas Desventajas
 Disminución de costos.
 No es necesario un
marco muestral.
 Ajustes al resultado.
 Cálculo de tamaño de
muestra.
 Puede haber sesgo por
características de los
conglomerados.

23. Muestreo No Probabilístico

24.  Es aquel en el cual no es posible realizar una
selección aleatoria de sus unidades, la
probabilidad de que un elemento sea
seleccionado es desconocida e incluso puede
ser igual a 0.
 Debe reconocerse su gran importancia ante
ciertas condiciones, por ejemplo, cuando
buscamos individuos con características
especiales y raras que hacen poco práctica la
aleatoriedad.

25.  Se establece en proporción de elementos
necesarios, variable de interés, circunstancias
particulares y según el número de
entrevistadores se asignan cuotas a cubrir
por cada uno de ellos.

26.  Se necesita hacer una evaluación en granjas
de aves de la región. Hay 200, 150 de
producción de huevo y el resto de pollo de
engorda.
 Sólo hay 4 encuestadores y cada uno solo
puede visitar 5 granjas, por lo tanto 3
evaluarán granjas de huevo y 1 evaluará las
de engorda (15 y 5 respectivamente).

27.  Se toman las muestras en aquel lugar en
donde hay mayor probabilidad de encontrar
la variable de interés.
 Es muy importante, sobre todo cuando la
característica buscada sea poco común
(enfermedades raras).
 El juicio de un experto es básico para
conformar nuestra muestra.

28.  En este tipo de muestreo los elementos son
seleccionados de acuerdo a su disponibilidad
de participar, es decir, participarán por
conveniencia todos aquellos que por
disposición convengan.

29. TAMAÑO MINIMO DE
MUESTRA

30.  Es el mínimo de individuos a estudiar para
obtener la información necesaria de la
población, con un grado de error y confianza
determinados.

31.  Obliga a especificar los resultados finales.
 Conduce a un objetivo específico de
reclutamiento.
 Fomenta el desarrollo de calendarios y
presupuestos.
 Previene investigaciones pequeñas que no
lleven a conclusiones válidas.

32.  No discutir el tamaño de la muestra.
 Suposiciones irreales (incidencia o
prevalencia).
 No examinar el tamaño de la muestra con un
límite de valores.

33.  95% 1.96
 99% 2.576

34.  Si la prevalencia estimada es del 35%
(p=0.35) con un error del 5% (d=0.05) y una
confianza de 95% (Z=1.96).

37.  Si la prevalencia es del 40%, error de 5%,
confianza de 95%. Entonces n = 369
muestras. Con una población de 600
individuos

40.  Qué tamaño de muestra necesitamos si:
p = 0.10 y d = 0.05?.
(1- 0.10)/(0.10 X 0.05)= 0.9/0.005 = 180

42.  Si la prevalencia estimada es de 85% (p=0.85)
con un error del 5% (d=0.05).
n = 0.85/(1-0.85) x 0.05
n = 0.85/(1.15) x 0.05
n = 0.85/(0.0075) = 113.3
n = 114 muestras.

44.  Se sabe que en una región, la tuberculosis se
estima en el 5%, se quiere saber con un 95%
de confianza si en un rancho en particular
existe el problema, en ese rancho hay 650
vacas.