UNIVERSIDAD DE AQUINO BOLIVIA
FACULTAD DE CIENCIAS DE LA SALUD
CARRERA MEDICINA
ORURO-BOLIVIA
ESTUDIANTE: MARIA CLARA DA ROCHA SOUZA
DOCENTE: GERARDO ISAAC ZEVALLOS VILLEGAS
MATERIA: BIOESTADISTICA Y DEMOGRAFIA
SEMESTRE:3° SEMESTRE
GESTION: I/2023
Teoría del muestreo
La teoría del muestreo proporciona estrategias en relación a la selección de
muestras y estimaciones de parámetros poblacionales que ofrezcan la
mayor cantidad de información al menor coste.
Es la teoría de las técnicas para escoger o seleccionar muestras. Para
formular Inferencias Inductivas con una medida de riesgo en términos de
probabilidad, es necesario relacionar la población estadística con la muestra,
donde se hace coincidir en lo posible la distribución de probabilidades de la
población con la distribución de frecuencias de la muestra.
En muestreo se realizan estimaciones de parámetros a partir de
estadísticas (estimadores), donde lo crucial es la precisión de los
estimadores, la cual depende del método de selección de la muestra, de la
forma de cálculo de estimador, del tamaño de la muestra y de errores de
medición o respuesta.
La teoría del muestreo se basa en la selección aleatoria de la muestra con
algún instrumento de selección aleatoria. Ella permite seleccionar un
subconjunto de la población y a través de ellos, con un grado de precisión y
confiabilidad se estima parámetros de la(s) población(es). Se debe tomar
muestras de forma tal que los errores del muestreo, debidos a él o no, sean
mínimos.
Por experiencia, para darle concreción a la teoría del muestreo, es necesario
abordar aspectos clave del diseño de muestras, los cuales permiten integrar
con facilidad los elementos subyacentes en los diseños de muestras, le dan
pautas al/la investigador/a sobre el diseño muestral a utilizar, y en general,
comprender los métodos probabilísticos de selección de muestras.
El tamaño de la muestra debe ser ideal, ni demasiado grande ni demasiado
pequeño. Luego, una vez que haya decidido el tamaño de la muestra, debe
usar una técnica sólida para recolectar la muestra de la población:
El muestreo probabilístico utiliza la aleatorización para seleccionar miembros
de la muestra. Conoce la probabilidad de inclusión de cada miembro potencial
en la muestra. Por ejemplo, 1/100. Sin embargo, no es necesario que las
probabilidades sean iguales. Algunos miembros pueden tener una probabilidad
de 1/100 de ser elegidos, otros pueden tener 1/50.
El muestreo no probabilístico utiliza técnicas no aleatorias (es decir, el juicio
del investigador). No puede calcular las probabilidades de que se incluya un
artículo, persona o cosa en particular en su muestra.
Tipos comunes
Las técnicas más comunes que probablemente encontrará en estadísticas
elementales o estadísticas AP incluyen tomar una muestra con y sin reemplazo
. Las técnicas específicas incluyen:
CONCEPTO DE UNIVERSO O POBLACION Y MUESTRA
Antes de describir algunos de los métodos de muestreo más
habituales, es necesario plantear algunas definiciones
importantes en este contexto:
POBLACIÓN: Es todo conjunto de elementos, finito o infinito,
definido por una o más características, de las que gozan todos
los elementos que lo componen, y sólo ellos. En muestreo, se
entiende por población a la totalidad del universo que interesa
conocer, y que es necesario que esté bien definido para que
se sepa en todo momento qué elementos lo componen.
Conviene recordar que población es el conjunto de elementos
a los cuales se quieren inferir los resultados.
UNIVERSO: El término es empleado generalmente como
sinónimo de población. No obstante, cuando se realiza un
trabajo puntual, conviene distinguir entre universo ideal:
conjunto de elementos a los cuales se quieren extrapolar los
resultados, y universo muestral: conjunto de elementos
accesibles en nuestro estudio.
Todo universo o población debe definirse sin ambigüedades,
es decir debe ser posible decidir cuándo un individuo
pertenece o no al universo bajo consideración.
a. Universo: Pacientes asmáticos con deficiente grado de
conciencia de la importancia de su enfermedad.
b. Universo: Pacientes con EDA menores de 1 año,
atendidos en el Hospital Belén.
CENSO: En ocasiones resulta posible estudiar cada uno de los
elementos que componen la población, realizándose lo que se
denomina un censo, es decir, el estudio de todos los
elementos que componen la población. La realización de un
censo no siempre es posible, por diferentes motivos:
a) Economía: el estudio de todos los elementos que
componen una población, sobre todo si esta es grande,
suele ser un problema costoso en tiempo, dinero, etc.
b) Que las pruebas a las que hay que someter a los sujetos
sean destructivas.
c) Que la población sea infinita o tan grande que exceda las
posibilidades del investigador.
Si la numeración de elementos, se realiza sobre la población
accesible o estudiada, y no sobre la población teórica,
entonces el proceso recibe el nombre de marco o espacio
muestral.
MUESTRA: En todas las ocasiones en que no es posible o
conveniente realizar un censo, lo que hacemos es trabajar con
una muestra, entendiendo por tal una parte representativa y
adecuada de la población.
Para que una muestra sea representativa, y por lo tanto útil,
debe de reflejar las semejanzas y diferencias encontradas en
la población, ejemplificar las características y tendencias de la
misma. Cuando decimos que una muestra es representativa
indicamos que reúne aproximadamente las características de
la población que son importantes para la investigación.
Cuando decimos que una muestra es adecuada, nos referimos
a que contiene el número de unidades de estudio, tal que
permita aplicar pruebas estadísticas que den validez a la
inferencia de los resultados a la población.
Por ejemplo, supongamos que deseamos medir el rendimiento
académico de los niños escolares en la secundaria en Perú,
pero por problemas económicos sólo es posible acceder a los
niños de zonas urbanas.
- ¿A quién deseo generalizar los resultados? :
Todos los niños peruanos de la secundaria (universo ideal).
- ¿A quien puedo acceder en el estudio? :
Todos los niños escolares en zonas urbanas (universo
muestral o población en estudio).
-¿Cómo puedo acceder a ellos? :
Numerando los sujetos accesibles (espacio o marco muestral).
-¿Quién forma parte del estudio? :
Un grupo de sujetos elegido (muestra).
Las muestras de Bernoulli tienen ensayos independientes de Bernoulli sobre
elementos de población. Los ensayos deciden si el elemento pasa a formar
parte de la muestra . Todos los elementos de la población tienen las mismas
posibilidades de ser incluidos en cada elección de una sola muestra. Los
tamaños de muestra en las muestras de Bernoulli siguen una distribución
binomial . Muestras de Poisson (menos común): un ensayo de Bernoulli
independiente decide si cada elemento de la población llega a la muestra.
Los sampes de clúster dividen a la población en grupos (clusters). Luego,se
elige una muestra aleatoria de los grupos. Se utiliza cuando los investigadores
no conocen a los individuos de una población, pero sí conocen los
subconjuntos o grupos de población.
En el muestreo sistemático , selecciona elementos de muestra de un marco
ordenado. Un marco de muestreo es solo una lista de participantes de los que
desea obtener una muestra. Por ejemplo, en el método de igual probabilidad,
elija un elemento de una lista y luego elija cada k-ésimo elemento usando la
ecuación k = N \ n. La “n” pequeña indica el tamaño de la muestra y la “N”
mayúscula es igual al tamaño de la población.
SRS : Seleccionar elementos de forma completamente aleatoria, de modo que
cada elemento tenga la misma probabilidad de ser elegido que cualquier otro
elemento. Cada subconjunto de elementos tiene la misma probabilidad de ser
elegido que cualquier otro subconjunto de k elementos.
En el muestreo estratificado , muestree cada subpoblación de forma
independiente. Primero, divida la población en subgrupos homogéneos (muy
similares) antes de obtener la muestra. Cada miembro de la población
pertenece a un solo grupo. Luego aplique un método simple aleatorio o
sistemático dentro de cada grupo para elegir la muestra. Aleatorización
estratificada : un subtipo de estratificado utilizado en ensayos clínicos.
Primero, divida a los pacientes en estratos, luego aleatorice con la
aleatorización de bloques permutados .
CONDICIONES DE UNA BUENA MUESTRA
En todo proceso de muestreo, los elementos de la muestra
deben escogerse adecuadamente, de tal manera que los
resultados que se observen en ella, puedan inferirse al resto
de la población a la que pertenece la muestra. Para ello debe
tenerse en cuenta:
a) Tamaño de la muestra, que da la característica
de muestra adecuada. El tamaño de la muestra depende de la
homogeneidad de la población.
b) Condiciones de selección de la misma, de tal manera que
todos los miembros de la población tengan la misma
probabilidad de ser seleccionados como parte de la muestra,
ésta es la característica de muestra representativa.
Estas dos características darán valor estadístico a los
resultados y permitirán la inferencia a la población.
Varios aspectos relacionados con las características y
tendencias de los sujetos que componen la población inciden
en su determinación y dificultan a la vez su valoración objetiva:
A. Objetivos que se persiguen.
B. Grado de aproximación que se pretende alcanzar.
C. La heterogeneidad de la población
Ello implica que existe una estrecha relación entre: Varianza
de la media muestral, tamaño de la muestra y varianza
poblacional
TAMAÑO DE LA MUESTRA
A la hora de determinar el tamaño que debe alcanzar una
muestra hay que tomar en cuenta varios factores: el tipo de
muestreo, el parámetro a estimar, el error muestral admisible,
la varianza poblacional y el nivel de confianza. Por ello antes
de presentar algunos casos sencillos de cálculo del tamaño
muestral delimitemos estos factores.
PARAMETRO: Son las medidas o datos que se obtienen sobre
la población.
ESTADISTICO: Los datos o medidas que se obtienen sobre
una muestra y por lo tanto una estimación de los parámetros.
ERROR MUESTRAL, de estimación o standard: 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. Siempre se
comete un error, pero la naturaleza de la investigación nos
indicará hasta qué medida podemos cometerlo (los resultados
se someten a error muestral e intervalos de confianza que
varían muestra a muestra). Varía según se calcule al principio
o al final. Un estadístico será más preciso en cuanto y tanto su
error es más pequeño. Podríamos decir que es la desviación
de la distribución muestral (por distribución muestral se
entiende la distribución de frecuencias de los valores de un
estadístico en infinitas muestras iguales) de un estadístico y su
fiabilidad.
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 parámetro.
VARIANZA POBLACIONAL: Cuando una población es
más homogénea la varianza es menor y el número de
entrevistas necesarias para construir un modelo
reducido del universo, o de la población, será más
pequeño. Generalmente es un valor desconocido y hay
que estimarlo a partir de datos de estudios previos.
LA FÓRMULA PARA EL TAMAÑO DE LA
MUESTRA DEPENDERÁ SI SE ESTIMA LA MEDIA DE
LA POBLACIÓN O LA PROPORCIÓN DE LA
VARIABLE.
BIBLIOGRAFIA
Referencias
Degraves, Á. G. (2023, February 17). La Teoría del Muestreo: ¿en qué
consiste? Fundación iS+D; Fundación iS+D para la Investigación Social
Avanzada. https://isdfundacion.org/2023/02/17/la-teoria-del-muestreo/
Raj, D. (1990). Teoria del Muestreo. Fondo de Cultura Economica.
Everitt, BS; Skrondal, A. (2010), The Cambridge Dictionary of Statistics ,
Cambridge University Press.
Klein, G. (2013). Introducción a la estadística en dibujos animados. Hill y Wamg.
Kotz, S .; et al., eds. (2006), Enciclopedia de Ciencias Estadísticas , Wiley.
Vogt, WP (2005). Diccionario de estadística y metodología: una guía no técnica
para las ciencias sociales . SABIO.
