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 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 describe conceptos clave relacionados con el cálculo del tamaño de la muestra, incluyendo parámetros, estadísticos, error muestral, nivel de confianza y varianza poblacional. Explica fórmulas para estimar el tamaño de la muestra para estimar la media de la población y comparar dos proporciones o dos medias. También incluye ejemplos numéricos de cómo aplicar estas fórmulas para diseñar estudios clínicos.
tamaño muestra-Administración de Operacionesreyesflores31
Este documento proporciona información sobre cómo determinar el tamaño de la muestra para estimar proporciones y medias en una población. Explica conceptos clave como nivel de confianza, error de muestreo, e intervalo de confianza. También presenta fórmulas para calcular el tamaño de la muestra cuando se desea estimar una proporción o un valor promedio, y ofrece ejemplos numéricos para ilustrar cómo aplicar estas fórmulas.
Este documento trata sobre los conceptos básicos de muestreo. Explica que una muestra representativa no puede afirmarse que sea el 100% representativa de la población, sino que solo provee estimaciones dentro de un intervalo de confianza. También describe los tipos de muestreo probabilístico y no probabilístico, así como los errores de muestreo y no muestreo que pueden ocurrir. Finalmente, resalta la importancia del tamaño apropiado de la muestra para obtener resultados confiables.
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 la importancia de seleccionar una muestra representativa al realizar una investigación para poder obtener conclusiones válidas. Explica que la muestra debe ser lo suficientemente grande y reflejar fielmente las características de la población total. Además, detalla cómo calcular el tamaño apropiado de la muestra en función del margen de error, nivel de confianza y tamaño de la población total.
¿Cómo se calcula una muestra? - Comité de Investigación IAB MexicoIAB México
Este documento explica cómo calcular el tamaño de una muestra representativa de una población para un estudio. Primero, se debe establecer el error de muestreo y el intervalo de confianza deseados. Luego, usando la desviación estándar poblacional, el nivel de confianza y el error máximo permitido, se aplica la fórmula para calcular el tamaño de muestra necesario. Finalmente, se provee un ejemplo numérico para ilustrar cómo calcular el tamaño de muestra requerido.
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 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 describe conceptos clave relacionados con el cálculo del tamaño de la muestra, incluyendo parámetros, estadísticos, error muestral, nivel de confianza y varianza poblacional. Explica fórmulas para estimar el tamaño de la muestra para estimar la media de la población y comparar dos proporciones o dos medias. También incluye ejemplos numéricos de cómo aplicar estas fórmulas para diseñar estudios clínicos.
tamaño muestra-Administración de Operacionesreyesflores31
Este documento proporciona información sobre cómo determinar el tamaño de la muestra para estimar proporciones y medias en una población. Explica conceptos clave como nivel de confianza, error de muestreo, e intervalo de confianza. También presenta fórmulas para calcular el tamaño de la muestra cuando se desea estimar una proporción o un valor promedio, y ofrece ejemplos numéricos para ilustrar cómo aplicar estas fórmulas.
Este documento trata sobre los conceptos básicos de muestreo. Explica que una muestra representativa no puede afirmarse que sea el 100% representativa de la población, sino que solo provee estimaciones dentro de un intervalo de confianza. También describe los tipos de muestreo probabilístico y no probabilístico, así como los errores de muestreo y no muestreo que pueden ocurrir. Finalmente, resalta la importancia del tamaño apropiado de la muestra para obtener resultados confiables.
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 la importancia de seleccionar una muestra representativa al realizar una investigación para poder obtener conclusiones válidas. Explica que la muestra debe ser lo suficientemente grande y reflejar fielmente las características de la población total. Además, detalla cómo calcular el tamaño apropiado de la muestra en función del margen de error, nivel de confianza y tamaño de la población total.
¿Cómo se calcula una muestra? - Comité de Investigación IAB MexicoIAB México
Este documento explica cómo calcular el tamaño de una muestra representativa de una población para un estudio. Primero, se debe establecer el error de muestreo y el intervalo de confianza deseados. Luego, usando la desviación estándar poblacional, el nivel de confianza y el error máximo permitido, se aplica la fórmula para calcular el tamaño de muestra necesario. Finalmente, se provee un ejemplo numérico para ilustrar cómo calcular el tamaño de muestra requerido.
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 describe los pasos para determinar una muestra probabilística al estudiar una población. Primero se calcula la muestra sin ajustar basada en la varianza de la muestra y la varianza de la población. Luego, se calcula la muestra ajustada considerando el tamaño de la población. Si la población está estratificada en varios grupos, se calcula también la muestra estratificada multiplicando la muestra total por el factor de cada estrato.
Este documento describe las fórmulas para determinar el tamaño de la muestra en un estudio estadístico. Explica que la fórmula depende del tipo de variable (cualitativa o cuantitativa) y del tamaño de la población (finita o infinita). También define conceptos clave como el nivel de significación, el valor P, el valor de error e, y la desviación estándar. Finalmente, señala que entre mayor sea el tamaño de la muestra, mayor será la confiabilidad de las estimaciones.
El documento habla sobre el tamaño de la muestra en estadística. Explica que el tamaño de muestra depende de factores como el tipo de muestreo, el parámetro a estimar, el error máximo permitido, la varianza poblacional y el nivel de confianza. Describe las fórmulas para calcular el tamaño de muestra para estimar la media y la proporción en poblaciones finitas e infinitas. Incluye ejemplos numéricos para ilustrar cómo calcular el tamaño de muestra en diferentes situaciones.
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
El documento describe los conceptos de tamaño de muestra, margen de error y margen de confianza en la investigación estadística. Explica cómo se puede calcular el tamaño de muestra óptimo utilizando fórmulas que toman en cuenta el tamaño de la población, el nivel de confianza deseado y el margen de error permitido. También proporciona ejemplos numéricos de cómo aplicar estas fórmulas.
Este documento presenta los apuntes de estadística para los grupos 2-2 y 2-3 de la Escuela de Turismo de Mazatlán de la Universidad Autónoma de Sinaloa impartidos por el Dr. Humberto Pini Bernal. Incluye contenidos sobre introducción al muestreo, muestreo aleatorio simple, distribución t de Student, prueba de hipótesis, análisis de regresión y correlación lineal. Explica conceptos clave como población, muestra, parámetro, estadístico, intervalo de confianza
El documento describe diferentes tipos de muestreo estadístico, incluyendo muestreo aleatorio, no aleatorio, sistemático y estratificado. Explica la diferencia entre parámetros de población y estadísticas de muestra, y los usos y limitaciones de diferentes métodos de muestreo.
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
Este documento explica conceptos clave relacionados con poblaciones, muestras y tamaños de muestra. Define una población como el conjunto total de elementos a estudiar, y una muestra como un subconjunto de elementos seleccionados de la población. Explica que al seleccionar una muestra representativa y de tamaño adecuado, se pueden extrapolar sus resultados a toda la población. Finalmente, detalla fórmulas para calcular el tamaño de muestra requerido en función del error permitido, nivel de confianza y tamaño de
El documento describe diferentes métodos para calcular el tamaño de la muestra en estudios estadísticos, incluyendo fórmulas para muestras conocidas y desconocidas, estudios comparativos, y un ejemplo numérico para calcular el tamaño de muestra definitivo basado en datos piloto. También resume los procedimientos comunes para recopilar información primaria y secundaria, como cuestionarios, observación y entrevistas, así como el análisis estadístico e interpretación de resultados.
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.
Tamaño de muestra para datos cualitativos y cuantitativosAna Lucía Caballero
Este documento trata sobre el tamaño de la muestra para datos cuantitativos y cualitativos. Explica conceptos como variable, población, muestra, métodos de muestreo probabilísticos y no probabilísticos. Incluye fórmulas para calcular el tamaño de la muestra para proporciones y para medias. También presenta casos prácticos de cálculo del tamaño de muestra.
El documento presenta cuatro problemas relacionados con el muestreo. El primer problema describe una encuesta a empresas para determinar la demanda de una nueva prensa mecánica, discutiendo la población, marco de muestreo y posibles técnicas de muestreo como estratificado o por conglomerados. El segundo problema trata sobre determinar el gasto promedio mensual de hogares en restaurantes, calculando el tamaño de muestra necesario. El tercer problema estima el porcentaje de hogares con conocimiento de una nueva marca, calculando también el tamaño de
El documento habla sobre el tamaño de la muestra en investigación. Explica que el tamaño de la muestra es el número de sujetos necesarios para que los datos obtenidos sean representativos de la población total. También detalla que el cálculo del tamaño de la muestra depende de los objetivos del estudio, las características de la población y el error muestral deseado, y que entre mayor sea la muestra, menor será el error en los resultados. Finalmente, señala que existen factores y restricciones que influyen en la determin
Este documento trata sobre los métodos y distribución de muestreo. Explica que el muestreo se utiliza para inferir características de una población mediante una muestra representativa. Describe diferentes métodos de muestreo como el aleatorio simple, estratificado y por conglomerados. También explica cómo calcular intervalos de confianza para la media y proporción de una población, y cómo determinar el tamaño apropiado de una muestra.
Bioestadística muestreo y diseño de experimentosExplorer BioGen
Este documento describe diferentes conceptos relacionados con el muestreo y diseño de experimentos. Define población, muestra, parámetro y estadístico. Explica que el tamaño de muestra debe ser suficientemente grande para ser representativo pero no demasiado grande. También cubre cómo estimar el tamaño de muestra necesario y diferentes tipos de muestreo como aleatorio simple, sistemático, estratificado y de grupo.
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 presenta los procedimientos estadísticos de intervalos de confianza y pruebas de hipótesis para medias y diferencias de medias utilizando Z de 1 muestra, t de 1 muestra, y t de 2 muestras en Minitab. Explica cómo calcular intervalos de confianza y realizar pruebas de hipótesis para la media de una población o la diferencia entre medias cuando se conocen o no los valores de desviación estándar. También incluye ejemplos ilustrativos de cómo aplicar estos procedimientos en
Este documento discute los conceptos fundamentales de muestreo en investigación, incluyendo la definición de unidad de análisis, población, muestra, y los diferentes tipos de muestreo como muestreo aleatorio simple, muestreo aleatorio estratificado, muestreo sistemático y muestreo por conglomerados. Explica que la selección de la muestra depende de los objetivos del estudio y que es importante definir claramente la población para delimitar una muestra representativa.
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.
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 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 describe los pasos para determinar una muestra probabilística al estudiar una población. Primero se calcula la muestra sin ajustar basada en la varianza de la muestra y la varianza de la población. Luego, se calcula la muestra ajustada considerando el tamaño de la población. Si la población está estratificada en varios grupos, se calcula también la muestra estratificada multiplicando la muestra total por el factor de cada estrato.
Este documento describe las fórmulas para determinar el tamaño de la muestra en un estudio estadístico. Explica que la fórmula depende del tipo de variable (cualitativa o cuantitativa) y del tamaño de la población (finita o infinita). También define conceptos clave como el nivel de significación, el valor P, el valor de error e, y la desviación estándar. Finalmente, señala que entre mayor sea el tamaño de la muestra, mayor será la confiabilidad de las estimaciones.
El documento habla sobre el tamaño de la muestra en estadística. Explica que el tamaño de muestra depende de factores como el tipo de muestreo, el parámetro a estimar, el error máximo permitido, la varianza poblacional y el nivel de confianza. Describe las fórmulas para calcular el tamaño de muestra para estimar la media y la proporción en poblaciones finitas e infinitas. Incluye ejemplos numéricos para ilustrar cómo calcular el tamaño de muestra en diferentes situaciones.
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
El documento describe los conceptos de tamaño de muestra, margen de error y margen de confianza en la investigación estadística. Explica cómo se puede calcular el tamaño de muestra óptimo utilizando fórmulas que toman en cuenta el tamaño de la población, el nivel de confianza deseado y el margen de error permitido. También proporciona ejemplos numéricos de cómo aplicar estas fórmulas.
Este documento presenta los apuntes de estadística para los grupos 2-2 y 2-3 de la Escuela de Turismo de Mazatlán de la Universidad Autónoma de Sinaloa impartidos por el Dr. Humberto Pini Bernal. Incluye contenidos sobre introducción al muestreo, muestreo aleatorio simple, distribución t de Student, prueba de hipótesis, análisis de regresión y correlación lineal. Explica conceptos clave como población, muestra, parámetro, estadístico, intervalo de confianza
El documento describe diferentes tipos de muestreo estadístico, incluyendo muestreo aleatorio, no aleatorio, sistemático y estratificado. Explica la diferencia entre parámetros de población y estadísticas de muestra, y los usos y limitaciones de diferentes métodos de muestreo.
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
Este documento explica conceptos clave relacionados con poblaciones, muestras y tamaños de muestra. Define una población como el conjunto total de elementos a estudiar, y una muestra como un subconjunto de elementos seleccionados de la población. Explica que al seleccionar una muestra representativa y de tamaño adecuado, se pueden extrapolar sus resultados a toda la población. Finalmente, detalla fórmulas para calcular el tamaño de muestra requerido en función del error permitido, nivel de confianza y tamaño de
El documento describe diferentes métodos para calcular el tamaño de la muestra en estudios estadísticos, incluyendo fórmulas para muestras conocidas y desconocidas, estudios comparativos, y un ejemplo numérico para calcular el tamaño de muestra definitivo basado en datos piloto. También resume los procedimientos comunes para recopilar información primaria y secundaria, como cuestionarios, observación y entrevistas, así como el análisis estadístico e interpretación de resultados.
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.
Tamaño de muestra para datos cualitativos y cuantitativosAna Lucía Caballero
Este documento trata sobre el tamaño de la muestra para datos cuantitativos y cualitativos. Explica conceptos como variable, población, muestra, métodos de muestreo probabilísticos y no probabilísticos. Incluye fórmulas para calcular el tamaño de la muestra para proporciones y para medias. También presenta casos prácticos de cálculo del tamaño de muestra.
El documento presenta cuatro problemas relacionados con el muestreo. El primer problema describe una encuesta a empresas para determinar la demanda de una nueva prensa mecánica, discutiendo la población, marco de muestreo y posibles técnicas de muestreo como estratificado o por conglomerados. El segundo problema trata sobre determinar el gasto promedio mensual de hogares en restaurantes, calculando el tamaño de muestra necesario. El tercer problema estima el porcentaje de hogares con conocimiento de una nueva marca, calculando también el tamaño de
El documento habla sobre el tamaño de la muestra en investigación. Explica que el tamaño de la muestra es el número de sujetos necesarios para que los datos obtenidos sean representativos de la población total. También detalla que el cálculo del tamaño de la muestra depende de los objetivos del estudio, las características de la población y el error muestral deseado, y que entre mayor sea la muestra, menor será el error en los resultados. Finalmente, señala que existen factores y restricciones que influyen en la determin
Este documento trata sobre los métodos y distribución de muestreo. Explica que el muestreo se utiliza para inferir características de una población mediante una muestra representativa. Describe diferentes métodos de muestreo como el aleatorio simple, estratificado y por conglomerados. También explica cómo calcular intervalos de confianza para la media y proporción de una población, y cómo determinar el tamaño apropiado de una muestra.
Bioestadística muestreo y diseño de experimentosExplorer BioGen
Este documento describe diferentes conceptos relacionados con el muestreo y diseño de experimentos. Define población, muestra, parámetro y estadístico. Explica que el tamaño de muestra debe ser suficientemente grande para ser representativo pero no demasiado grande. También cubre cómo estimar el tamaño de muestra necesario y diferentes tipos de muestreo como aleatorio simple, sistemático, estratificado y de grupo.
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 presenta los procedimientos estadísticos de intervalos de confianza y pruebas de hipótesis para medias y diferencias de medias utilizando Z de 1 muestra, t de 1 muestra, y t de 2 muestras en Minitab. Explica cómo calcular intervalos de confianza y realizar pruebas de hipótesis para la media de una población o la diferencia entre medias cuando se conocen o no los valores de desviación estándar. También incluye ejemplos ilustrativos de cómo aplicar estos procedimientos en
Este documento discute los conceptos fundamentales de muestreo en investigación, incluyendo la definición de unidad de análisis, población, muestra, y los diferentes tipos de muestreo como muestreo aleatorio simple, muestreo aleatorio estratificado, muestreo sistemático y muestreo por conglomerados. Explica que la selección de la muestra depende de los objetivos del estudio y que es importante definir claramente la población para delimitar una muestra representativa.
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.
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.
El documento describe los conceptos clave para calcular el tamaño de una muestra, incluyendo parámetro, estadístico, error muestral, nivel de confianza y varianza poblacional. Luego presenta un ejemplo numérico para calcular el tamaño de muestra necesario para estimar la media de horas trabajadas semanalmente por mujeres en un estudio, basado en un nivel de confianza del 95% y un error máximo de 0.1. Finalmente, menciona brevemente calcular el tamaño de muestra para estimar la proporción
El documento trata sobre el tamaño de la muestra en investigación. Explica que el tamaño de la muestra depende del nivel de confianza, porcentaje de error y variabilidad de la población. Presenta fórmulas para calcular el tamaño de la muestra cuando se conoce o no el tamaño de la población. También incluye conceptos como hipótesis, muestra, población, nivel de confianza y porcentaje de error. Finalmente, muestra ejemplos de cálculo del tamaño de la muestra.
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 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 habla sobre los conceptos básicos de la estimación estadística, incluyendo los tipos de estimación (puntual e intervalos), estimadores, selección del tamaño de la muestra, y el cálculo de intervalos de confianza. Explica que la estimación es útil para hacer inferencias sobre las características de una población completa basadas en una muestra representativa, y discute los métodos y fórmulas utilizados para realizar estimaciones precisas y confiables.
Este documento presenta información sobre diferentes temas relacionados con el muestreo estadístico, incluyendo definiciones de población, muestra, tamaño de muestra, error de muestreo y diferentes tipos de muestreo como el muestreo aleatorio simple, el muestreo aleatorio sistemático y el muestreo aleatorio estratificado. También discute factores que afectan la validez de los instrumentos y cómo determinar el tamaño adecuado de una muestra.
Este documento presenta información sobre la prueba de hipótesis. Explica conceptos clave como la hipótesis nula y alternativa, el nivel de significancia, y los tipos de errores. También incluye un marco teórico sobre la prueba de hipótesis y proporciona un ejemplo para ilustrar cómo aplicarla para determinar si el nivel mental promedio de los estudiantes es superior al promedio general.
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 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.
1. El documento describe los conceptos básicos de muestreo probabilístico y no probabilístico para la recolección de datos representativos de una población. Explica que el tamaño de la muestra debe determinarse considerando factores como los objetivos del estudio, el parámetro a estimar, el error muestral admisible y el nivel de confianza.
2. Se definen conceptos como población, muestra, parámetro, estadístico, variable aleatoria y error de estimación. Además, explica diferentes métodos para calcular el
Este documento describe la teoría del muestreo, incluyendo el tamaño de la muestra, la distribución muestral de medias y el error muestral. Explica que cuanto mayor es el tamaño de la muestra, menor es la fluctuación entre las medias muestrales extraídas de la misma población. También cubre cómo calcular el tamaño de muestra necesario para estimar con un error máximo prefijado, así como cómo calcular la varianza y el error estándar de la media muestral.
Este documento presenta información sobre la metodología de investigación, incluyendo la cobertura del estudio, población y muestra, criterios de inclusión y exclusión, diseño de muestreo, tamaño de muestra, nivel de confianza y significancia, análisis e interpretación de resultados y prueba de hipótesis. Explica conceptos como universo, muestra representativa, tipos de muestreo, y métodos para determinar el tamaño de muestra apropiado para un estudio.
Este documento presenta los pasos para realizar una prueba de hipótesis, incluyendo: 1) plantear la hipótesis nula y alternativa, 2) seleccionar el nivel de significancia, 3) calcular el estadístico de prueba, 4) formular la regla de decisión, y 5) tomar una decisión sobre si rechazar o no la hipótesis nula. También define conceptos como errores tipo I y II, y provee un ejemplo numérico para ilustrar el procedimiento completo de prueba de hipótesis.
Este documento introduce los conceptos básicos de la inferencia estadística, incluyendo la estimación y las pruebas de hipótesis. Explica que la inferencia estadística involucra extender los valores encontrados en una muestra a la población general, sujeto a error. Discuten dos métodos principales de inferencia: la estimación, que implica estimar parámetros poblacionales basados en la muestra, y las pruebas de hipótesis, que implican probar hipótesis nulas y alternativas sobre parámetros poblac
Este documento trata sobre conceptos básicos de muestreo. Explica que una vez definido el problema de investigación y los objetivos, es necesario determinar la población de estudio y cómo seleccionar una muestra representativa de ella. Luego describe diferentes tipos de muestreo como el aleatorio simple, estratificado y por grupos, y los factores que influyen en el tamaño de la muestra como la heterogeneidad poblacional, el margen de error y el nivel de confianza.
Este documento presenta conceptos básicos sobre la estimación estadística, incluyendo definiciones de población, muestra e individuo. Explica diferentes tipos de muestreo como el aleatorio simple, sistemático y estratificado. También describe la distribución muestral y cómo se puede estimar parámetros poblacionales mediante intervalos de confianza.
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 describe los pasos para determinar el tamaño de una muestra para estimar la media y la proporción de una población. Explica que para estimar la media se necesita el nivel de confianza, error máximo y varianza poblacional. Usa una fórmula y ejemplo para calcular el tamaño de muestra. Para estimar la proporción, usa otra fórmula que considera el nivel de confianza, proporción poblacional, error máximo y tamaño de la población.
Este documento presenta los resultados de una encuesta aplicada a restaurantes sobre programas de sustentabilidad. Muestra las variables medidas como ahorro de energía, reuso de aceites y ahorro de agua, así como los porcentajes de restaurantes que sí o no implementan dichas prácticas. Finalmente, resume los porcentajes de restaurantes que reportan ahorro de energía, reuso de aceites y ahorro de agua.
Momento 2, sustentabilidad en los restauranteslaura ochoa
Este documento presenta un estudio sobre la sustentabilidad en restaurantes de la zona conurbada Veracruz-Boca del Río. El objetivo es identificar las estrategias ambientales que aplican los restaurantes, como ahorro de energía y agua. Se realizará un muestreo aleatorio de 11 restaurantes para estimar la proporción que aplica medidas sustentables. Las variables son los restaurantes de la zona y sus programas de sustentabilidad. El intervalo de confianza estimado para la proporción es de 25.27% a 74.72%.
Momento 2, sustentabilidad en los restauranteslaura ochoa
Este documento presenta un estudio sobre la sustentabilidad en restaurantes de la zona conurbada de Veracruz-Boca del Río. El objetivo es identificar las estrategias ambientales que aplican los restaurantes para ser sustentables, como ahorro de energía y agua. Se realizó un muestreo aleatorio de 11 restaurantes. Los resultados muestran que con un 90% de confianza, la proporción de restaurantes con programas de sustentabilidad está entre 25.27% y 74.72%.
1) Los grandes restaurantes de Beijing aplicarán un nuevo estándar para reducir el consumo energético, incluyendo iluminación de bajo consumo y horarios para las luces de neón.
2) La asociación de restaurantes de Beijing apoya estas medidas porque reducen los costos de los restaurantes al gastar menos energía.
3) La comisión municipal de comercio implementará plenamente el nuevo estándar a partir del 25 de enero de 2010.
Este documento presenta un resumen sobre el planteamiento de hipótesis estadísticas en más de dos poblaciones utilizando el análisis de varianza (ANOVA). Explica conceptos como hipótesis nula, estimadores de varianza, distribución F de Fisher y cómo el ANOVA descompone la varianza total en varianzas entre y dentro de grupos para determinar si las diferencias entre medias son estadísticamente significativas. También incluye ejemplos y fórmulas para aplicar este método.
Este documento presenta información sobre intervalos de confianza. Explica que un intervalo de confianza ofrece un rango de valores probable para un parámetro poblacional basado en una muestra, a diferencia de una estimación puntual que da un solo valor. Luego proporciona fórmulas para calcular intervalos de confianza para la media y la proporción, con ejemplos ilustrativos. Finalmente, incluye ejercicios prácticos para aplicar los conceptos.
Este documento presenta un resumen sobre el planteamiento de hipótesis estadísticas en más de dos poblaciones utilizando el análisis de varianza (ANOVA). Explica conceptos como hipótesis nula, estimadores de varianza, distribución F de Fisher y cómo el ANOVA descompone la varianza total en varianzas entre y dentro de grupos para determinar si las diferencias entre medias son debidas al azar.
Este documento explica los intervalos de confianza, que son rangos de valores que probablemente incluyan un parámetro poblacional desconocido basado en una muestra. Define intervalos de confianza para la media y la proporción, y proporciona ejemplos como hallar un intervalo de confianza del 95% para la media de la estatura de los españoles basado en una muestra de 10 personas. También incluye ejercicios para practicar el cálculo de intervalos de confianza.
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.
Este documento describe diferentes técnicas de muestreo estadístico, incluyendo muestreo probabilístico, no probabilístico, estratificado, sistemático, por estadios múltiples y por conglomerados. Explica conceptos como población, distribución muestral, número aleatorio y margen de error.
Este documento describe diferentes técnicas de muestreo estadístico, incluyendo muestreo probabilístico, no probabilístico, estratificado, sistemático, por estadios múltiples y por conglomerados. Explica conceptos como población, distribución muestral, número aleatorio y margen de error.
Este documento describe diferentes técnicas de muestreo estadístico, incluyendo muestreo aleatorio, no aleatorio, estratificado, sistemático, por estadios múltiples y por conglomerados. Explica que el muestreo aleatorio es más recomendable y define conceptos como población, distribución muestral, número aleatorio y margen de error.
Este documento describe diferentes técnicas de muestreo estadístico, incluyendo muestreo aleatorio, no aleatorio, estratificado, sistemático, por estadios múltiples y por conglomerados. Explica que el muestreo aleatorio es más recomendable y define conceptos como población, distribución muestral, número aleatorio y margen de error.
Este documento describe diferentes técnicas de muestreo estadístico, incluyendo muestreo aleatorio, no aleatorio, estratificado, sistemático, por estadios múltiples y por conglomerados. Explica que el muestreo aleatorio es más recomendable y define conceptos como población, distribución muestral, número aleatorio y margen de error.
Este documento describe la estadística descriptiva e inferencial. La estadística descriptiva se dedica a resumir y describir datos, usando medidas como la media y desviación estándar. La estadística inferencial genera modelos e inferencias sobre una población basadas en una muestra, usando técnicas como pruebas de hipótesis, estimación, correlación y regresión. Juntas, estas ramas forman la estadística aplicada.
Este documento presenta una introducción a la estadística descriptiva e inferencial. Explica que la estadística descriptiva se dedica a resumir y describir datos, mientras que la inferencial se enfoca en generar modelos, inferencias y predicciones tomando en cuenta la aleatoriedad de las observaciones. Luego define conceptos clave como población, muestra, variables, atributos e introduce medidas descriptivas como la media, moda y mediana. Finalmente, explica el cálculo y características de medidas como la media aritmética, ponderada, geomé
Este documento introduce los conceptos básicos de la estadística descriptiva e inferencial. Explica que la estadística descriptiva se dedica a resumir y describir datos, usando medidas como la media, moda y mediana. La estadística inferencial se dedica a generar modelos, inferencias y predicciones sobre una población basadas en una muestra. Luego define conceptos clave como población, muestra, variables y atributos. Finalmente, explica en detalle diferentes medidas estadísticas descriptivas como las de tendencia central y los cu
Este documento presenta una introducción a la estadística descriptiva e inferencial. Explica que la estadística descriptiva se dedica a resumir y describir datos, mientras que la inferencial se enfoca en generar modelos, inferencias y predicciones tomando en cuenta la aleatoriedad de las observaciones. Luego define conceptos clave como población, muestra, variables, atributos e introduce medidas descriptivas como la media, moda y mediana. Finalmente, explica el cálculo y características de medidas como la media aritmética, ponderada, geomé
Este documento presenta una introducción a la estadística descriptiva e inferencial. Explica que la estadística descriptiva se dedica a resumir y describir datos, usando medidas como la media, moda y mediana. La estadística inferencial se dedica a generar modelos, inferencias y predicciones sobre una población basadas en una muestra. Luego define conceptos clave como población, muestra, variables y atributos. Finalmente, describe diversas medidas estadísticas descriptivas como las de tendencia central y los cuantiles.
Este documento describe la diferencia entre la estadística descriptiva e inferencial. La estadística descriptiva se dedica a resumir y describir datos, utilizando medidas como la media y desviación estándar. La estadística inferencial se dedica a generar modelos e inferencias sobre una población basadas en una muestra, usando técnicas como pruebas de hipótesis, estimación, correlación y regresión. Ambas ramas forman parte de la estadística aplicada.
1. UNIVERSIDAD VERACRUZANA<br />FACULTAD DE ADMINISTRACIÓN<br />Estadística Inferencial<br />TEMA<br />Tamaño de la muestra<br />EQUIPO: Restaurantes 2<br />Aguilar Hernández Leticia<br />Avila Ortega Gabriela<br />Barcelata Beltrán Ana María<br />Domínguez Rivera Laura María<br />Durán Fabián Luis Selin<br />García Velázquez Anahí<br />González Cabañas Lizeth<br />Pacheco Betancourt Adriana Nohemi<br />PROGRAMA EDUCATIVO: Lic. Admón. Turística<br />Veracruz, Ver., a 10 de mayo del 2010<br />GLOSARIO<br />CONCEPTODEFINICIONTRADUCCIÓNParámetro. Son las medidas o datos que se obtienen sobre la poblaciónAre the measures or data obtained on the populationEstadístico.Los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimación de los parámetros.Data or measures obtained on a sample and an estimate of the parametersError Muestral, de estimación o estándar.Es la diferencia entre un estadístico y su parámetro correspondiente. Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la población, nos da una noción clara de hasta dónde y con qué probabilidad una estimación basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo completo.It is the difference between a statistician and its corresponding parameter. It is a measure of the variability of samples repeated on the value of the population estimates, gives us a clear notion of up to where and with what probability estimate based on a sample moves away from the value that would have been obtained by means of a comprehensive census.Nivel de Confianza. Probabilidad de que la estimación efectuada se ajuste a la realidad. Cualquier información que queremos recoger está distribuida según una ley de probabilidad (Gauss o Student), así llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un estadístico capte el verdadero valor del parámetroThe probability that made estimate conforms to reality. Any information we collect is distributed according to a law of probability Gauss (Student), and level of confidence we call the probability that the range built around a statistician captures the true value of the parameterMUESTRA:Porción de un producto o mercancía que sirve para conocer la calidad del género.Portion of a product or merchandise is used to know the quality of the genus.<br />FORMULARIO<br />PRUEBA DE HIPÓTESIS PARA MAS DE DOS POBLACIONES F DE FISHERC a s oE s t a d í s t it c oanálisis de varianza Calculo de hipótesisestimador insesgado de 2(varianza dentro del grupo)Varianza entre grupos.estimadores de las varianzas poblacionales conceptualesSCT =SCE = SCD = SCT - SCEVariabilidad entre las varianzas muestrales Medias de cada grupoCalculo de las varianzas Calculo del estadístico de prueba M/CM = 1 + <br />INTRODUCCION<br /> La experimentación es un procedimiento de observación controlada, y al llevar a cabo un experimento, partimos con el objetivo de obtener las bases para una conclusión generalizable. La validez de la generalización de los resultados obtenidos en el experimento va a estar relacionada, en gran medida, con el grado en que los sujetos con los que hemos trabajado sean representativos de la población a la que queremos generalizar nuestros resultados, nuestras conclusiones.<br /> El problema que se nos plantea, entonces, es el de cómo conseguir esa representatividad; es decir, cómo elegir a los sujetos de nuestro experimento y conseguir que sean representativos de la población a la que pertenecen.<br />En Estadística el tamaño de la muestra es el número de individuos que realmente se estudiarán, es un subconjunto de la población. Para que se puedan generalizar a la población los resultados obtenidos en la muestra, ésta ha de ser «representativa» de dicha pulsación. Para ello, se han de definir con claridad los criterios de inclusión y exclusión y, sobre todo, se han de utilizar las técnicas de muestreo apropiadas para garantizar dicha representatividad.<br />El tamaño de la muestra depende de tres aspectos:<br />1) Error permitido<br />2) Nivel de confianza estimado<br />3) Carácter finito o infinito de la población.<br />Aunque el razonamiento para la predeterminación del tamaño de muestra es tremendamente sencillo, y a pesar de que existen multitud de tablas publicadas y de programas para su cálculo, por algún extraño motivo muchos investigadores consideran la predeterminación del tamaño de muestra una tarea de quot;
expertosquot;
en estadística, lo que como veremos no tiene ningún sentido, pues la información más importante para ese cálculo se basa en conocer ciertos datos del proceso que se va a estudiar.<br />Como todo el mundo sabe, en un estudio comparativo podemos cometer dos tipos de errores, un error tipo I o , que ocurre cuando se afirma que existe diferencia y en realidad ésta es cero, y un error tipo II o, que consiste en declarar que no hemos encontrado diferencias estadísticamente significativas cuando sí que son diferentes los dos grupos. Obviamente la realidad no la conocemos, y precisamente vamos a efectuar un trabajo para intentar saber más sobre ésta. Es habitual fijar de antemano la probabilidad de cometer un error de tipo I en un valor pequeño, normalmente inferior a 0.05. Uno de los problemas del contraste estadístico de hipótesis es que por pequeña que sea una diferencia ésta será estadísticamente significativa siempre que el tamaño de muestra sea suficientemente grande, de ahí el interés del concepto de relevancia clínica de una diferencia observada. Dado que al investigador lo que le interesa es encontrar diferencias con una magnitud de cierta importancia práctica y dado que el coste de un estudio aumenta con el tamaño de muestra, o lo que es lo mismo disminuye su viabilidad, ese orden de magnitud de la diferencia mínima que deseamos detectar permitirá acotar el tamaño de muestra necesario para nuestro estudio. La declaración de principios es que buscamos un tamaño de muestra lo más pequeño posible, pero no tanto que no seamos capaces de detectar una diferencia de una magnitud tal que ya empieza a tener interés práctico, es decir que si la observásemos en nuestro experimento deseamos tener un tamaño de muestra suficiente para poder afirmar que es estadísticamente significativa.<br />TAMAÑO DE LA MUESTRA<br />Las fórmulas generales para determinar el tamaño de la muestra son las siguientes:<br />n=t² x p(1-p)m²<br />Nomenclatura:<br />n = Número de elementos de la muestra<br />N = Número de elementos de la población o universo<br />P/Q = Probabilidades con las que se presenta el fenómeno.<br />Z2 = Valor crítico correspondiente al nivel de confianza elegido; siempre se opera con valor zeta 2, luego Z = 2.<br />E = Margen de error permitido (determinado por el responsable del estudio).<br />Veamos los pasos necesarios para determinar el tamaño de una muestra empleando el muestreo aleatorio simple. Para ello es necesario partir de dos supuestos: en primer lugar el nivel de confianza al que queremos trabajar; en segundo lugar, cual es el error máximo que estamos dispuestos a admitir en nuestra estimación. Así pues los pasos a seguir son: <br />1.- Obtener el tamaño muestral imaginando que:<br />Dónde: : z correspondiente al nivel de confianza elegido : varianza poblacional e: error máximo<br />2.- Comprobar si se cumple si esta condición se cumple el proceso termina aquí, y ese es el tamaño adecuado que debemos muestrear.<br />Si no se cumple, pasamos a una tercera fase: 3.- Obtener el tamaño de la muestra según la siguiente fórmula: <br />CÁLCULO DEL TAMAÑO DE LA MUESTRA PARA ESTIMAR UNA MEDIA<br />¿Qué tan grande debe ser una muestra si la media muestral se va a usar para estimar la media poblacional?<br /> La respuesta depende del error estándar de la media, si este fuera cero, entonces se necesitaría una sola media que será igual necesariamente a la media poblacional desconocida, porque = 0. Este caso extremo no se encuentra en la práctica, pero refuerza el hecho de que mientras menor sea el error estándar de la media, menor es el tamaño de muestra necesario para lograr un cierto grado de precisión.<br />Se estableció antes que una forma de disminuir el error de estimación es aumentar el tamaño de la muestra, si éste incluye el total de la población, entonces sería igual a cero. Con esto en mente, parece razonable que para un nivel de confianza fijo, sea posible determinar un tamaño de la muestra tal que el error de estimación sea tan pequeño como queramos, para ser más preciso, dado un nivel de confianza y un error fijo de estimación, se puede escoger un tamaño de muestra n tal que P () = Nivel de confianza. Con el propósito de determinar n. El error máximo de estimación está dado por:<br />Si se eleva al cuadrado ambos lados de esta ecuación y se despeja n de la ecuación resultante, obtenemos:<br />Como n debe de ser un número entero, redondeamos hacia arriba todos los resultados fraccionarios.<br />En el caso de que se tenga una población finita y un muestreo sin reemplazo, el error de estimación se convierte en:<br />De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:<br />TAMAÑO DE MUESTRA PARA ESTIMAR LA PROPORCIÓN DE LA POBLACIÓN<br />Para calcular el tamaño de muestra para la estimación de proporciones poblacionales hemos de tener en cuenta los mismos factores que en el caso de la media. La fórmula que nos permitirá determinar el tamaño muestral es la siguiente:<br />Dónde : z correspondiente al nivel de confianza elegido P: proporción de una categoría de la variable e: error máximo N: tamaño de la población<br />El problema radica en que para determinar el tamaño de muestra necesitamos conocer P1 y P2, las proporciones en los dos grupos, que es precisamente lo que deseamos saber y para lo que pensamos efectuar un trabajo de investigación. Hablando coloquialmente, es la pescadilla que se muerde la cola, y sólo se puede resolver efectuando suposiciones, de ahí que quizás por no existir una solución quot;
automáticaquot;
es por lo que se considera, inmerecidamente, y en tantas ocasiones una tarea de quot;
gurúsquot;
. La forma habitual de proceder consiste en suponer un orden de magnitud de la tasa de respuesta en el grupo de control P1, basada en la experiencia previa, en la literatura, en un estudio piloto o simplemente en la intuición, y postular qué diferencia D en esa respuesta se puede empezar a considerar ya de interés, de tal manera queP2=P1+D. A partir de esos datos se calcula ya el tamaño de muestra necesario.<br />Es conveniente analizar en qué medida un valor diferente, pero también posible, de la tasa de respuesta conduce a otros tamaños de muestra, y sopesar así un rango de posibles tamaños junto con las restricciones logísticas y económicas, las cuales suelen tener la última palabra al respecto. Es habitual también prever que puede haber pérdidas de casos a lo largo del estudio, y de acuerdo a experiencias previas sobredimensionar inicialmente ese tamaño de muestra para garantizar que el tamaño al final del estudio no sea menor que el inicialmente previsto.<br />Para la comparación de medias de datos cuantitativos, además de fijar el orden de magnitud de la diferencia D que se considera ya de cierta importancia y que queremos garantizar que seremos capaces de detectar con una probabilidad entre 0.8 a 0.9 (potencia de la prueba), es preciso además conocer el valor de la desviación típica s que esperamos para nuestros datos, siendo éste el punto más complicado. También se puede acudir a fijar la relación entre esa diferencia y la desviación típica, el cociente d=D/s, cociente que se conoce con el nombre d Cohen, y que se suele utilizar para tabular posibles tamaños de muestra en función de ese valor d. Aquí el cuello de botella se encuentra, sobre todo en un estudio novedoso sin información previa, en cómo tener idea de una estimación sensata del valor de la desviación típica. Una alternativa posible es reestimar el tamaño de muestra una vez que hemos recogido ya parte de los datos, lo que nos permite obtener una estimación más real de la desviación típica. Este procedimiento nos lleva a técnicas de análisis secuencial que se comentan más adelante.<br />A la hora de determinar el tamaño de muestra necesario hay que tener en cuenta también el tipo de diseño y el tipo de muestreo utilizado, ya que éste condiciona la fórmula que se utilizará para calcular el error estándar de la estimación, y dado que manipulando esa fórmula se obtiene el valor de N, también éste será diferente según sea el diseño del estudio. Así, entre otros casos, habrá que tener en cuenta si se trata de una comparación de muestras independientes o pareadas, si el esquema del muestreo es aleatorio simple (el más utilizado en los ensayos clínicos) o si se empleó un método de muestreo diferente (por ejemplo un muestreo estratificado o un muestreo por conglomerados).<br />Resulta curiosa la afirmación sostenida por algunos de que para estimar una proporción desconocida, con una precisión dada, el tamaño de muestra mínimo necesario se obtiene suponiendo un valor de p=0.5, basándose en que para estimar una proporción P con margen de tolerancia D la fórmula que proporciona el tamaño de muestra es:<br />Donde Z=1.96 para =0.05.<br />Para D fijo esa fórmula toma su valor máximo con P=0.5. Pero D es la tolerancia en la estimación de la proporción y está claro que la magnitud de esa tolerancia no se puede fijar si no tenemos alguna idea respecto a la proporción a estimar. Un margen de tolerancia del 1% puede ser aceptable en la estimación de un porcentaje del 50%, o por ejemplo en un porcentaje del 20%, es decir que el intervalo de confianza de la estimación estaría en este último caso entre el 19% y el 21%. Pero esa misma tolerancia es probablemente inadmisible para estimar un porcentaje del 2%, ya que entonces el margen absoluto del 1% constituye la mitad del valor estimado. El propio sentido común nos dice que para estimar sucesos infrecuentes necesitaremos tamaños de muestra mayores que para estimar sucesos frecuentes.<br />CONCLUSION<br />El cálculo del tamaño de la muestra constituye una parte fundamental Tanto de los estudios controlados como de aquéllos de prevalencia o incidencia. Aun cuando existen diversos métodos para su cálculo, los principios en general son muy similares; esto, al tomar en cuenta los resultados en promedios o proporciones de los estudios previamente realizados, que deben ser el punto de partida de dicho tipo de trabajos. De Igual modo, son Importantes los niveles alfa (a) y beta ({J), con la finalidad de llegar a conclusiones válidas, así como los valores esperados tanto del grupo control, habitualmente conocido, como del grupo experimental, del que existe casi siempre un antecedente que tiene que ser validado para poder generalizar los resultados.<br />Por último. Es Importante mencionar que el cálculo del tamaño de la muestra tiene una estrecha relación con la factibilidad de la ejecución del estudio; una opción razonable sería no efectuar el estudio si éste rebasa la capacidad del sitio donde pretende llevarse a cabo o las posibilidades de organización de un trabajo excelente.<br />EJEMPLOS:<br />1.- Veamos un ejemplo: La Consejería de Trabajo planea un estudio con el interés de conocer el promedio de horas semanales trabajadas por las mujeres del servicio doméstico. La muestra será extraída de una población de 10000 mujeres que figuran en los registros de la Seguridad Social y de las cuales se conoce a través de un estudio piloto que su varianza es de 9.648. Trabajando con un nivel de confianza de 0.95 y estando dispuestos a admitir un error máximo de 0,1, ¿cuál debe ser el tamaño muestral que empleemos?Buscamos en las tablas de la curva normal el valor de que corresponde con el nivel de confianza elegido: = ±1.96 y seguimos los pasos propuestos arriba.1.- 2.- Comprobamos que no se cumple , pues en este caso10000 < 3706 (3706 - 1); 10000 < 137307303.- <br />2.- supongamos que se desea estudiar la existencia de una asociación entre el consumo de tabaco y el hecho de sufrir un infarto de miocardio. Para poner en evidencia dicha asociación y cuantificar su magnitud se diseña un estudio de casos y controles en el que se investigará el consumo de tabaco de una serie de pacientes que han padecido un infarto de miocardio (casos) y una serie de pacientes sanos (controles). Se cree que alrededor de un 40% de los controles son fumadores y se considera como diferencia importante entre ambos grupos un odds ratio de 4. Con estos datos, podemos calcular el tamaño de muestra necesario en cada grupo para detectar un odds ratio de 4 como significativamente diferente de 1 con una seguridad del 95% y un poder del 80%. De acuerdo con lo expuesto con anterioridad, conocemos los siguientes parámetros:<br />Frecuencia de exposición entre los controles: 40%<br />Odds ratio previsto: 4<br />Nivel de seguridad: 95%<br />Poder estadístico: 80%<br />De acuerdo con estos datos, se estima que la frecuencia de exposición entre los casos vendrá dada por:<br />Esto es, se estima que aproximadamente un 73% de los casos son fumadores. Aplicando la Ecuación 1, se obtiene:<br />Es decir, se necesitaría estudiar a 35 sujetos por grupo (35 pacientes con infarto de miocardio y 35 controles) para detectar como significativo un valor del odds ratio de 4.<br />Si se reduce el tamaño del efecto a detectar, asumiendo que el odds ratio es aproximadamente igual a 3, se obtiene:<br />y, de acuerdo con la Ecuación 1, serían necesarios n=54 pacientes por grupo para llevar a cabo el estudio.<br />En algunos estudios, el investigador reúne un número mayor de controles que de casos con el objeto de incrementar el poder estadístico. Supongamos que en el presente ejemplo se planea obtener dos controles por caso, y se asume que el odds ratio a detectar es aproximadamente igual a 3. Aplicando la Ecuación 2:<br />Por tanto, se necesitaría un grupo de n=40 casos (pacientes con infarto de miocardio) y m=2x40=80 controles para llevar a cabo la investigación.<br />El cálculo del tamaño de la muestra en los estudios de casos y controles debe formar parte del diseño metodológico del mismo, ya que la ejecución de este tipo de estudios es costosa. El iniciar un estudio sin conocer el poder estadístico y la seguridad para detectar diferencias, si es que existen, podría ser motivo de cometer un error de tipo II en el sentido de no detectar diferencias cuando realmente las hay.<br />TABLA 1. Disposición de los sujetos incluidos en un estudio de casos y controles. Tabla de 2 x 2. CasosControles Expuestosaba + bNo expuestoscdc + d a + cb + dn<br />-187961-535024<br />5.- Para un trabajo de investigación de mercados en el Perú (población infinita 24’000,000 de habitantes), entre otras cosas, queremos saber cuántas personas viajarán a trabajar al extranjero, con la decisión de radicar definitivamente en el país de destino. ¿Cuál debe ser el tamaño de la muestra para un nivel de confianza de la encuesta del 95.5% y un margen posible de error de 4%?<br />Solución<br />Z = 2; P = 50; Q = 50; E = 4; n =?<br />Respuesta:<br />El tamaño necesario de la muestra para un nivel de confianza de 4% es 625 personas.<br />EJERCICIOS TAMAÑO DE MUESTRA<br />1.-Por estudios previos se tiene conocimiento que la distribución del peso al nacer de niños que cumplen su período de gestación de 40 semanas es aproximadamente normal con una media de 3550 gramos y una desviación estándar de s=400 gramos. Se va a realizar un nuevo estudio para una población con características similares, con el fin de estimar el peso promedio al nacer de los niños. Con base en el estudio previo determine el tamaño de muestra. Además, se considera que un error de máximo 45 gramos logra una estimación valida, la confiabilidad del estudio es del 93%.<br />n = (Z2 α/2)2 (σ)2 <br /> e2<br />n = (1.81)2 (400)2 = 259 nacidos<br /> 452<br />2.-Determinar el número de profesionales a encuestar en una región donde se estima en 500 el número de ellos. El objetivo del estudio es determinar entre otras cosas, la intencionalidad de seguir estudios de maestría, con una prueba piloto de 20 profesionales, se determinó que la proporción de profesionales con afán de continuar sus estudios era del 25%. La confiabilidad del estudio, dado que sus resultados serán validados con otras fuentes se definió en el 90%, el error puede estar entre el 4 %, dependiendo de los costos se definirá cual tamaño seleccionar.<br />N = 4500 p = .25 q = .75 α = .10 = 1.64 e = .4<br />n = (Z2 α/2)2 (.p) (.q) <br /> e2<br />n = (1.64)2 (.25) (.75) = 4 estudiantes<br /> .42<br /> 3.-Se quiere obtener una muestra sistemática que seleccione egresados de un programa de la Universidad de Antioquia que tiene 1200 de ellos. La variable clave del estudio es dicotómica y se aduce que la proporción es del 25%, además, se quiere un error del 4% y una confiabilidad del 90%.<br />n = (Z2 α/2)2 (.p) (.q) <br /> e2<br />n = (1.64)2 (.25) (75) = 316 egresados<br /> .042<br /> 4.Una Institución de Salud tiene 6100 empleados, se quiere determinar como es el clima laboral en la organización, usando una confiabilidad del 95%, un error admisible de 6% y considerando que la proporción de empleados no satisfechos es del 30%. Calcule el número de empleados a consultar por categoría, si se tiene en cuenta, que las diferentes categorías de empleados pueden influir en la opinión de los trabajadores.<br />n = (Z2 α/2)2 (.p) (.q) <br /> e2<br />n = (1.96)2(.3)(.7) = 224.4 n= 225 empleados<br /> (.06)2<br /> 5.-Se realiza un estudio para estimar el porcentaje de ciudadanos del Bajo Cauca que están a favor de que su agua se trate con flúor. Qué tan grande debe ser una muestra si se desea tener una confianza de al menos 95% de que la estimación estará dentro del 2% del porcentaje real? Realice las consideraciones necesarias para calcular n.<br />n = (Z2 α/2)2 (.p) (.q) <br /> e2<br />n = (1.96)2 (.5) (.5) = 2401 personas<br /> .022<br />FUENTES:<br />http://www.monografias.com/trabajos42/seleccion-muestra/seleccion-muestra.shtml<br />http://www.seh-lelha.org/tamuestra.htm<br />Calero Vinelo, Arístides. Técnicas de Muestreo / Arístides Calero Vinelo.- La Habana: Editorial. Pueblo y Eduacación, 1978.- 514p.<br />Metodología de la Investigación / M. En C. Roberto Hernández Sampiere ... et al. – México:/5.n/, 1997.---505p<br />Sánchez Älvares, Rafael. Estadística Elemental 7 Rafael Sánchez Älvares y José A. Torres Delgado.- La Habana : Ed. Pueblo y Eduacació, 1989.- 326p.<br />Taro, Yamane. Elementary Sampling Theory / Yamane Taro.- La Habana: Editorial Pueblo y Educación, 1989.- 405p.<br />http://www.fisterra.com/mbe/investiga/9muestras/9muestras.asp<br />http://www.medigraphic.com/pdfs/imss/im-2006/ims062o.pdf<br />