POBLACION Y TEORIA MUESTREO-CON FORMULAS2022CPR.pdf

POBLACION Y
TEORIA DEL
MUESTREO
Dr. Carlos Palacios Rosado
Médico Pediatra
Dr. En Salud Pública

 El investigador siempre quiere
estudiar a toda la población: pero a
veces no es posible.
Dr. Carlos Palacios Tema : Muestreo 2
10/05/2022

Proceso
Conceptualización del problema de
investigación
Elección de una estrategia de investigación
Planificación Operativa de la Investigación
Población de estudio
Definición de las variables y
recolección de datos
Análisis de esos datos

 Marco muestral:
población en contenido, lugar y
tiempo.
* Todas las muestras posibles
10/05/2022

Que elementos debemos
considerar al armar la muestra:
Elemento/unidad muestral/unidad de análisis:
cada componente de la muestra (individuos, clases,
subconjuntos)
Marco Muestral: consiste en la enumeración
exhaustiva de toda de la población (de todas las
unidades muestrales).
Muestra: es un elemento particular del conjunto
formado por todos los subconjuntos posibles de
elementos de una Población.
Alcance de la muestra: limitaciones establecidas por
el investigador en la descripción del marco muestral:
estudio de niños en situación de calle, estudio sobre
embarazo, organizaciones con procesos de cambio
organizacional.





10/05/2022

 ¿En quién, o quienes se hará el estudio?
 Criterios de elegibilidad o selección.
Criterios de inclusión y exclusión
 ¿Cuál será el tamaño de la población,
muestra?
 ¿Cuál será el método de selección?
10/05/2022 Dr. Carlos Palacios Tema : Muestreo 7

Universo Conjunto total de elementos
(Quienes, cuántos y donde
están)
Población de estudio Conjunto de elementos de los
cuáles se puede obtener una
muestra
Muestra Subconjunto de la población de
estudio
10/05/2022
s1 s2
s4
s3
s1 s2
s4
s3

CRITERIOS DE SELECCIÓN
 CARACTERÍSTICAS SOCIODEMOGRÁFICAS:
Edad, sexo, raza, grado de instrucción, nivel
socioeconómico, ocupación.
 CARACTERÍSTICAS DE LA ENFERMEDAD O
EXPOSICIÓN
 Definición de enfermedad o exposición
 Características: forma, tipo, estadio. Curso clínico,
etiología, complicaciones, duración..

CRITERIOS DE SELECCIÓN
 OTRAS CARACTERÍSTICAS:
 embarazo o lactancia, consumo de tabaco o alcohol,
abuso de drogas, hábitos dietéticos, factores de riesgo,
limitaciones fisiológicas, características psicológicas,
hipersensibilidad a tratamiento, factores ambientales,
incapacidades.
 CARACTERÍSTICAS DE ACCESIBILIDAD:
 Lugar de residencia, usuario del centro asistencial,

Criterios de selección o elegibilidad
 Criterios de inclusión
 Criterios de exclusión
 Ejemplo:
 ¿Cuál es el nivel de satisfacción laboral de los profesionales
de la salud en el hospital X?
 C. Inclusión:
 Pprofesionales de las CS de la salud
 Tiempo de permanencia 2 años
 Nombrados
 C. Exclusión:
 Vacaciones, licencia por capacitación o enfermedad

muestra:
Recordemos…
Parámetro: es el valor de la variable en la
población total (población meta)
Estimador: es el valor estimado para la variable
en la muestra como estimación del parámetro.
Nivel de significación/confianza: El nivel de
confianza será la probabilidad de que el intervalo
construido para un estadístico contenga el
verdadero valor del parámetro (Gauss).
Error muestral: es el asociado a la diferencia
entre el valor que asume el estimador concreto en
una muestra y el parámetro calculado en la
población.




 Tamaño de la

Muestreo en estadística
 Técnica para la selección de una
muestra a partir de una población.
 Al elegir una muestra se espera
conseguir que sus propiedades sean
extrapolables a la población(muestra
representativa).
 Las poblaciones pueden ser finitas e
infinitas
10/05/2022 Dr. Carlos Palacios

Muestra
10/05/2022

MUESTREO
Población inalcanzable por magnitud
Poblaciones muy grandes
Población inaccesible al investigador
5 cc de sangre
Población desconocida
Inalcanzable por falta marco muestral
10/05/2022

Objetivos de la determinación del
tamaño adecuado de una muestra
 Estimar un parámetro determinado con el
nivel de confianza deseado.
 Detectar una determinada diferencia, si
realmente existe, entre los grupos de
estudio con un mínimo de garantía.
10/05/2022

Ventajas de la elección de una muestra
1. Si la población es muy grande, imposible
analizar en su totalidad.
2. Las características de la población varían
si el estudio se prolonga demasiado
tiempo.
3. Reducción de costos: los gastos de
recogida y tratamiento de los datos serán
menores.
10/05/2022

Ventajas de la elección de una muestra
4. Rapidez: reducir tiempo de recogida y
tratamiento de datos.
5. Viabilidad: sería imposible hacerlo sobre el
total de la población.
6. La población homogénea/característica medida,
resultaría inútil malgastar recursos en un
análisis exhaustivo (por ejemplo, muestras
sanguíneas).
7. El proceso de estudio es destructivo para
extraer la muestra (ej: vida media de una
bombilla).
10/05/2022

la
Tamaño de la muestra: criterios
orden estadístico
de
z = % de fiabilidad deseado para la
media muestral.
e = error máximo permitido para
media muestral
s = varianza de la población.
N = Tamaño de la población.
p = % de veces que se supone que
fenómeno en la población.
ocurre un
q = es la no ocurrencia del fenómeno (1- p).

Tamaño de la muestra
 Para el cálculo del tamaño de la muestra
en una estimación de parámetros son
necesarios los conceptos de:
Intervalo de confianza
Variabilidad del parámetro
Error muestral
Nivel de confianza
Valor crítico
Valor α
10/05/2022

Definiciones:
 Parámetro: Son las medidas o datos que se
obtienen sobre la distribución de probabilidades
de la población, tales como la media, la
varianza, la proporción, etc.
 Estadístico. Los datos o medidas que se
obtienen sobre una muestra y por lo tanto una
estimación de los parámetros.
 Error Muestral, de estimación o estándar. Es la
diferencia entre un estadístico y su parámetro
correspondiente.
 A <error > tamaño de muestra
10/05/2022

Símbolos uso
frecuente
Característica Parámetro
(Población)
Estadístico o estimador
(muestra)
Tamaño N n
Media µ _
X
Desviación
estándar
σ s
Varianza σ2 s2
Correlación p r
Proporción π p
10/05/2022

Definiciones
 Un estadístico será más preciso, en
cuanto y tanto, su error es más
pequeño.
 Nivel de Confianza. Probabilidad de
que la estimación efectuada se
ajuste a la realidad.
10/05/2022

 Las poblaciones están formadas por individuos, pero sería
mejor denominarlas unidad de muestreo o unidad de estudio:
 Persona, célula, familia, hospital, país…
 La población ideal que se pretende estudiar se denomina
población objetivo.
 No es fácil estudiarla por completo. Aproximamos mediante
muestras que den idealmente la misma probabilidad a cada
individuo de ser elegido. Equiprobabilidad
 Tampoco es fácil elegir muestras de la población objetivo:
 Si llamamos por teléfono excluimos a los que no tienen.
 Si elegimos individuos en la calle, olvidamos los que
están trabajando...
 El grupo que en realidad podemos estudiar (v.g. los que tienen
teléfono) se denomina población de estudio.
10/05/2022 Dr. Carlos Palacios

10/05/2022
Fuentes de sesgo
 Las poblaciones objetivo y de estudio pueden diferir en
cuanto a las variables que estudiamos.
 El nivel económico en la población de estudio es mayor que en
la objetivo,...
 Los individuos que se eligen en la calle pueden ser de mayor
edad (mayor frecuencia de jubilados p.ej.)…
 En este caso, diremos que las muestras que se elijan estarán sesgadas.
Al tipo de sesgo debido a diferencias sistemáticas entre población
objetivo y población de estudio se denomina sesgo de selección.
 Hay otras fuentes de error/sesgo
 No respuesta a encuestas embarazosas
 Consumo de drogas, violencia doméstica, prácticas poco
éticas,…
 Mentir en las preguntas “delicadas”.
Dr. Carlos Palacios

10/05/2022
Técnicas de muestreo
 Cuando elegimos individuo de una población de estudio
para formar muestras podemos encontrarnos en las
siguientes situaciones:
 Muestreos probabilistas
 Conocemos la probabilidad de que un individuo sea elegido para la
muestra.
 Interesantes para usar estadística matemática con ellos.
 Muestreos no probabilistas
 No se conoce la probabilidad.
 Son muestreos que seguramente esconden sesgos.
 En principio no se pueden extrapolar los resultados a la población.
 A pesar de ello una buena parte de los estudios que se publican usan
esta técnica. ¡Buff!
 En adelante vamos a tratar exclusivamente con muestreos
con la menor posibilidad de sesgo (probabilistas): aleatorio
simple, sistemático, estratificado y por grupos.
Dr. Carlos Palacios

Calculada mediante fórmula
Equiprobabilidad
Muestreo aleatorio
10/05/2022

MUESTRA NO PROBABILISTICA
10/05/2022
Subgrupo de la población en la
que la elección de los elementos
no depende de la probabilidad
sino de la características de la
investigación

Selección: Tipos de muestreo
 Muestras
probabilísticas
 Muestras no
probabilísticas
10/05/2022
Muestras por conveniencia

Muestras no probabilísticas
 Muestras
 consiste
muestra
accidentales:
en seleccionar los elementos de la
en función de su presencia en un lugar
determinado, en un momento preciso.
Limitación: personas sin probabilidad de ser
elegidos
 Muestra de voluntarios:
Tema espinoso
Se justifica en las fases exploratorias, en
estudios donde la generalización a una población
no es un aspecto primordial.

Muestras no probabilísticas
 Muestra por elecciones razonadas:
 Objetivo de la investigación es estudiar ciertas
particularidades, no se busca la representatividad.
 Selección de casos extremos pone sobre la mesa nuevas
ideas para la solución de un problema.
 Juicio de expertos:
 La selección de elementos típicos reposa sobre el
conocimiento de los expertos. Casos críticos (prueba de
medicamentos).
 Bola de nieve:
 Consiste en agregar a un núcleo de individuos todos los
que están en relación con ellos.
 Es útil cuando se trata de estudiar sistemas de relaciones
o poblaciones difícilmente localizables.

MUESTREO PROBABILISTICO
Para que la inferencia estadística sea válida el
muestreo debe ser aleatorio o probabilístico.
Aleatoriedad de la selección: esta condición se
refiere a que cada elemento del universo debe
tener la misma probabilidad de ser elegido en
la muestra y que dicha probabilidad puede ser
medida.
10/05/2022 32
Dr. Carlos Palacios Tema : Muestreo
Dr. Carlos Palacios

10/05/2022
Muestreo aleatorio simple (m.a.s.)
 Se eligen individuos de la población de estudio, de
manera que todos tienen la misma probabilidad de
aparecer, hasta alcanzar el tamaño muestral deseado.
 Se puede realizar partiendo de listas de individuos de la
población, y eligiendo individuos aleatoriamente con un
ordenador.
 Normalmente tiene un coste bastante alto su aplicación.
 En general, las técnicas de inferencia estadística
suponen que la muestra ha sido elegida usando m.a.s.,
aunque en realidad se use alguna de las que veremos a
continuación.
Dr. Carlos Palacios

1. MUESTREO ALEATORIO SIMPLE
Escoge al azar los miembros del universo hasta
completar el tamaño muestral previsto
En teoría se enumeran previamente todos los
elementos y de acuerdo con una tabla de
números aleatorios se van escogiendo
El procedimiento puede darse con o sin
reemplazos y esta condición afectará
posteriormente el análisis
10/05/2022 34
Dr. Carlos Palacios

10/05/2022
Muestreo sistemático
 Se tiene una lista de los individuos de la población
de estudio. Si queremos una muestra de un tamaño
dado, elegimos individuos igualmente espaciados
de la lista, donde el primero ha sido elegido al azar.
 CUIDADO: Si en la lista existen periodicidades,
obtendremos una muestra sesgada.
 Un caso real: Se eligió una de cada cinco casas para un
estudio de salud pública en una ciudad donde las casas se
distribuyen en manzanas de cinco casas. Salieron con mucha
frecuencia las de las esquinas, que reciben más sol, están
mejor ventiladas,…
Dr. Carlos Palacios

2. MUESTREO ALEATORIO SISTEMATICO
En el universo (N) se elige el primer elemento
al azar
Luego los demás se escogen cada cierto
intervalo (k), hasta completar el tamaño
muestral (n).
El tamaño del intervalo (k) se calcula así:
k = N/n
10/05/2022 36
Dr. Carlos Palacios

10/05/2022
Muestreo estratificado
 Se aplica cuando sabemos que hay ciertos factores
(variables, subpoblaciones o estratos) que pueden
influir en el estudio y queremos asegurarnos de
tener cierta cantidad mínima de individuos de cada
tipo:
 Hombres y mujeres,
 Jóvenes, adultos y ancianos…
 Se realiza entonces una m.a.s. de los individuos de
cada uno de los estratos.
 Al extrapolar los resultados a la población hay que
tener en cuenta el tamaño relativo del estrato con
respecto al total de la población.
Dr. Carlos Palacios

3. MUESTREO ESTRATIFICADO
Considera que al interior del universo
existen estratos (subgrupos
internamente homogéneos pero
cualitativa y cuantitativamente diferentes
entre sí), y que no se cumple la condición
de selección aleatoria, pues los miembros
del grupo mayoritario tienen una mayor
probabilidad de ser seleccionados en la
muestra.
10/05/2022 38

ESTRATOS Homogéneos en su interior;
diferentes entre sí en propiedades
y tamaño
Comuna A
Comuna B
Comuna C
Comuna D
Los estratos más grandes
Tienen mayor probabilidad de ser representados
10/05/2022 39

Cómo garantizar la aleatoriedad
en universos estratificados... ?
1. Muestreo Estratificado Proporcional
Puede usarse alguna de las siguientes técnicas:
2. Muestreo Estratificado No Proporcional
3. Alocación óptima de los estratos.
10/05/2022 40
Dr. Carlos Palacios

Muestreo Estratificado Proporcional
Establece la distribución proporcional del
universo y aplica esta distribución a su tamaño
muestral para conformar estratos en la
muestra.
Luego elige aleatoriamente los elementos
al interior de cada estrato muestral hasta
ajustar su tamaño.
Es mejor que el Muestreo Aleatorio Simple
pues disminuye el error estándar de la
medición muestral.
10/05/2022 41
Dr. Carlos Palacios

Muestreo Estratificado NO Proporcional (Fracción variable de
muestreo):
Ajusta convencionalmente los tamaños
de los estratos muestrales para
aumentar la eficiencia de la selección de
los grupos más pequeños.
Esta condición se deberá tener en cuenta
al hacer inferencias (corregir las
inferencias).
10/05/2022 42
Dr. Carlos Palacios

MUESTREO
POR ALOCACIÓN OPTIMA DE LOS ESTRATOS
Selecciona el tamaño de los estratos en
función de la desviación estándar de cada
uno de ellos, de tal manera que los estratos
más heterogéneos (mayores varianzas)
aporten más casos a la muestra total.
10/05/2022 43
Dr. Carlos Palacios

10/05/2022
Muestreo por grupos o conglomerados
 Se aplica cuando es difícil tener una lista de todos los
individuos que forman parte de la población de estudio,
pero sin embargo sabemos que se encuentran
agrupados naturalmente en grupos.
 Se realiza eligiendo varios de esos grupos al azar, y ya
elegidos algunos podemos estudiar a todos los
individuos de los grupos elegidos o bien seguir
aplicando dentro de ellos más muestreos por grupos, por
estratos, aleatorios simples,…
 Al igual que en el muestreo estratificado, al extrapolar
los resultados a la población hay que tener en cuenta el
tamaño relativo de unos grupos con respecto a otros.
Dr. Carlos Palacios

CONGLOMERADOS
Heterogéneos en su interior; diferentes entre sí en
propiedades y tamaño
Grupo 5C
Grupo 5C
Grupo 1A
Grupo 1A
Grupo 2A
Grupo 2A
Grupo 3B
Grupo 3B
Grupo 5C
Grupo 5C
Grupo 1A
Grupo 1A
Grupo 2A
Grupo 2A
Grupo 3B
Grupo 3B
10/05/2022 45

MUESTREO
ALEATORIO POR CONGLOMERADOS
Los miembros del grupo mayoritario tienen una mayor
probabilidad de ser seleccionados en la muestra
En Las Unidades de observación se eligen aleatoriamente
al interior de los conglomerados
El error de la medición (error muestral) no se de al
interior del conglomerado sino entre los
conglomerados
Antes de hacer inferencias, el analista deberá examinar
la variabilidad interna de cada conglomerado y la
variabilidad entre ellos, pues es posible que algunos de
los conglomerados no sean representativos del universo.
No se cumple la aleatoridad
10/05/2022 46
Dr. Carlos Palacios

Muestreo
Aleatorio por Conglomerados
Los conglomerados deben estar muy bien definidos de
modo que cada elemento pertenezca a uno y solo a un
conglomerado.
El tamaño de cada conglomerado debe ser bien conocido
(por lo menos bien estimado)
El número de conglomerados debe ser pequeño.
Requisitos Del Procedimiento :
10/05/2022 47
Dr. Carlos Palacios

GRADO DE ERROR (IMPRECISION) DE LA INFERENCIA
Debido a la aleatoriedad, los valores
de un mismo estadístico difieren de
una muestra a otra.
Esta variabilidad introduce un error
en la estimación (error aleatorio).
Este error puede medirse, pues las
medias de los estimadores siempre
se distribuyen “normalmente”
(Teorema del límite central) aunque
los mismos estimadores no lo hayan
hecho.
10/05/2022 48
Dr. Carlos Palacios

ERROR ALEATORIO
Cuando se mide el estadístico en diferentes muestras
tomadas aleatoriamente los resultados son variables.
Esta variabilidad del estadístico se denomina error
aleatorio y es causada por el azar.
s1 s2
s4
s3
s1 s2
s4
s3
10/05/2022 49
Dr. Carlos Palacios

GRADO DE ERROR
(IMPRECISION) DE LA INFERENCIA
Para un mismo nivel de confianza puede medirse el
error aleatorio por encima y por debajo de la
estimación.
El error aleatorio configura límites de confianza dentro
de los cuales se presume estará el valor real del
parámetro para el nivel de confianza elegido por el
analista.
El intervalo de confianza de la inferencia será más
amplio (impreciso) mientras más altas sean la
confiabilidad exigida y la desviación estándar.
10/05/2022 50
Dr. Carlos Palacios

GRADO DE ERROR
(IMPRECISION) DE LA INFERENCIA
Mientras más grande sea la muestra, más pequeño
(preciso) será el intervalo.
Los límites de confianza superior e inferior, se calculan
con base en la siguiente fórmula que depende de la
desviación estándar del estimador muestral (s), del valor
de Z elegido y del tamaño muestral (n):
(IC 95%) = x  1.96. s .
n
10/05/2022 51
Dr. Carlos Palacios

Error muestral / no muestral
• Error de definición de público objetivo
• Problemas con la obtención del marco
muestral
• Error muestral
muestra
• Falsificación de respuesta
• Errores de diseño
• Introducción de sesgos
E. de Respuesta
sistemático
•E. de procesamiento de
datos
•E. de entrevista
•Falsificación entrevista
E. Administrativo
Error
Error total
Error

DECISIONES DE M U E S T R E O
No. 1: ¿Debo tomar una muestra ?
Se quiere saber cómo se comporta
una cierta característica en un
Universo particular
El Universo
está bien
definido
?
Definir
El Universo
Es posible
observar todo el
Universo ?
Observar
una Muestra
Hacer
un Censo
NO
NO
Sí
Sí
Tomar
una Muestra
No representativa
Tomar
una Muestra
Representativa
Se quiere
inferir la medición
al Universo
?
NO
Sí
Las observaciones
pueden atribuirse
a los miembros del
Universo
Las observaciones
solo pueden
atribuirse a la
muestra, NO a los
miembros del
Universo
Las observaciones
pueden atribuirse
a los miembros
del Universo
10/05/2022 53

Muestreo Aleatorio Multi Etápico
(Poli Etápico)
Selecciona los individuos por etapas,
configurando sucesivamente grupos (estratos o
conglomerados) y subgrupos denominados
Unidades de Muestreo primarias, secundarias,
terciarias...etc..
10/05/2022 54
Dr. Carlos Palacios

D E C I S I O N E S
D E M U E S T R E O
Hacer
un Censo
Tomar una
Muestra
Representativa
Tomar una
Muestra No
Representativa
Las observaciones
pueden atribuirse a
los miembros de la
Población
Observar todos y
cada uno de los
elementos del
universo
No hay Error
Aleatorio
Puede haber Error
Sistemático
Las obsrvaciones
solo pueden
atribuírse a la
muestra, NO a los
miembros de la
Población
Observar sujetos
elegidos por
conveniencia
Siempre hay Error
Aleatorio
Siempre hay Error
Sistemático
Las observaciones
pueden atribuirse
a los miembros de
la Población
Observar sujetos
elegidos al azar
Siempre hay Error
Aleatorio
Puede haber Error
Sistemático
10/05/2022 55

Decisiones de M u e s t r e o
No. 2: Selección de una Muestra No Representativa
Se quiere medir
una variable en
una Muestra No
Representativa
Se quiere
inferir la medición
al Universo
?
N
O
Sí El procedimiento
está contraindicado.
Revise su planteamiento
Precise los
atributos
esenciales que
CARACTERIZAN al
subgrupo
Exprese estos atributos
como CRITERIOS DE
INCLUSION en la
muestra
Lsos sujetos que cumplan los
criterios de inlcusion son
rpresentativos de un
UNIVERSO ARTIFICIAL
Defina por
CONVENIENCIA
los criterios de
SELECCIÓN
La observación de este
UNIVERSO ARTIFICIAL
solo es PREDICABLE a
sus integrantes
La utilidad de las Muestras No Representativas depende de su
representatividad cualitativa y no de su tamaño
10/05/2022 56

No. 3: Selección de una Muestra Representativa
Se quiere estimar un
Parámetro del Universo
partiendo de una Muestra
Representativa
De qué naturaleza
es el Parámetro a
estimar?
Variable
Continua
Muestreo
Representativo
para estimar una
Media
Variable
Cualitativa
Muestreo
Representativo
para estimar una
Proporción
10/05/2022 57

Definición del Tamaño Muestral
La definición del tamaño muestral depende de los
siguientes factores
Los objetivos del estudio
Los conocimientos previos sobre el comportamiento de
la característica en la población.
Los recursos técnicos y financieros para obtener la
información
El error máximo que se permitirá el analista
La confiabilidad de la inferencia esperada por el
analista
1 .
2 .
3 .
4 .
5 .
10/05/2022 58
Dr. Carlos Palacios

No. 4: Definicion Del Tamaño Muestral
Se ha decidido
tomar una
muestra
representativa
del Universo
La Variable de
muestreo es
CUALITATIVA
La Variable de
muestreo es
CONTINUA
Definición de tamaño
muestral para una
Proporción conocida
muestral para una
Proporción
desconocida
muestral para una
varianza conocida
muestral para una
Varianza desconocida
muestral para un RR
y un poder definidos
muestral para una OR
y un poder definidos
Estudio de
Seguimiento
Estudio de Casos
Intención de
describir la variable
(Estudios
descriptivos)
Intención de
relacionar la variable
con otras
(Estudios analíticos)
10/05/2022 59

n = Z2
pq
ES2
No. 5: Definición del tamaño muestral n para una Variable
Cualitativa cuyo comportamiento se conoce (P se conoce)
Se quiere medir una
variable CUALITATIVA
(proporción p) en una
Muestra Representativa
Definir el máximo
error aleatorio
adminisble (Error
Estándar ES)
Definir la confiabilidad
de la medición (nivel
alfa)
10/05/2022 60

Cualitativa cuyo comportamiento se Desconoce (P
desconocida)
Se quiere medir una variable
CUALITATIVA (proporción p)
en
una Muestra Representativa
Definir el máximo error
aleatorio adminisble
(Error Muestral EM)
Definir la confiabilidad
de la medición (nivel
alfa)
n = Z2 PQ
EM2
Se asumen los valores máximos de P y Q: P=0.5 Q=0.5
10/05/2022 61

CONTINUA cuya variación se conoce
CONTINUA (MEDIA X) en
Definir
el Error Estándar (ES)
Esperado
Definir la
la Confiabilidad Z
Esperada
n = Z2
s2
ES2
Definir
La Desviación Estándar
(S) Conocida
10/05/2022 62

No. 8: Definición del tamaño muestral n para una
Variable CONTINUA cuya variación se DESconoce
CONTINUA (MEDIA X) en
Definir
el Error Estándar (ES)
Esperado
Definir la
la Confiabilidad Z
Esperada
n = Z2
s2
ES2
Estimar o suponer
La Desviación Estándar
(S) Esperada
10/05/2022 63

No. 8: Definición del tamaño muestral n para un estudio
de SEGUIMIENTO
Se quiere medir un RR en
una Muestra
Representativa
Definir el Poder
(Mínimo error Beta)
Esperado
Definir la
la Confiabilidad Z
Esperada
Los valores están
tabulados
Definir el RR mínimo
esperado
10/05/2022 64

No. 9: Definición del tamaño muestral n para un estudio
de CASOS Y CONTROLES
Se quiere medir una OR
en una Muestra
Representativa
Definir el Poder
(Mínimo error Beta)
Esperado
Definir la
la Confiabilidad Z
Esperada
Los valores están
tabulados
Definir la OR
Esperada
10/05/2022 65

No se conoce la población
10/05/2022
donde:
n es el tamaño de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;
E es la precisión o error.

Se conoce la población
10/05/2022
n es el tamaño de la muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad negativa;
N es el tamaño de la población;
E es la precisión o el error.

10/05/2022

POBLACION Y TEORIA MUESTREO-CON FORMULAS2022CPR.pdf

Recomendados

Recomendados

Más contenido relacionado

Similar a POBLACION Y TEORIA MUESTREO-CON FORMULAS2022CPR.pdf

Similar a POBLACION Y TEORIA MUESTREO-CON FORMULAS2022CPR.pdf (20)

Último

Último (20)

POBLACION Y TEORIA MUESTREO-CON FORMULAS2022CPR.pdf