Dr. Rolando G.

Betancourt Atanay
Doctor en Ciencias Médicas
Maestría en Gerencia de Hospitales
Especialista en Salud Publica
Población. Cuando trabajamos con toda las
personas o elementos que hemos señalado
para el estudio

Criterios de inclusión y
Unidad de investigación: Exclusión:
Son las características que
Elementos, organización pueden estar presente
o personas con determinadas y que determinan que
características en quines recae una unidad de investigación
nuestro estudio Forme parte del estudio o no
Universo Es el conjunto de los elementos que
es susceptible de que se presente
el evento o fenómeno que se desea
estudiar.

Población Son los elementos donde aparece

o identificamos el evento o fenómeno
de estudio.

Muestra es una parte representativa de la

población que será estudiada
 Población
 Conjunto de elementos (objetos,
situaciones o sujetos) que comparten
características similares definidas por el
investigador.
 Una población no siempre se refiere a
seres humanos (p.e. historias clínicas en
un determinado hospital, muestras de
sangre almacenadas en un laboratorio,
viviendas en una comunidad, etc.).
 Concepto de muestreo
 Se denomina muestreo al procedimiento
mediante el cual se selecciona un conjunto de
elementos de la población, para, a partir de
este conjunto de elementos, inferir el valor
de una o varias características de la
población.
Población (N) Muestre
o
Muestra

 
(n)

s p
 x
Estadísticos

Parámetros Inferenci
a
 ¿Porqué una muestra?
 Bajo costo y menor tiempo para dar información de
toda la población
 Mayor precisión que estudiar a toda la población
 Mejor calidad
 Poblaciones muy grandes
 Destructiva naturaleza del estudio
 Dispersión geográfica de la población
Distintos Tipos de Muestreo

 Probabilísticas

 No Probabilísticas
 Tipos de muestreo

Tipos de
Muestreo

Muestras Muestras NO
Probabilísticas Probabilísticas
o de Conveniencias

Aleatoria
simple Estratificada Combinadas
Criterio de
Por Cuotas
experto
Sistemáticas Conglomerados
Aspectos a tener en cuenta en la
muestras

Tipo de muestra

Tamaño de la muestra

MUESTRAS
Como incluye los elementos
en la muestra

Pruebas estadística para

Generalizar - Inferencia
 Tipos de muestreo

 Probabilístico:
 Es requisito que todos y c/u de los
elementos de la población tengan la
misma probabilidad de ser
seleccionados (azar)
 Se debe tener disponible un listado
completo de todos los elementos de la
población, a esto se le llama MARCO
DE MUESTREO.
 Tipos de muestreo
 Aleatorio simple (Muestreo Simple al
Azar)
 Cada sujeto tiene una probabilidad igual
de ser seleccionado para el estudio.
 Se necesita una lista numerada de las
unidades de la población que se quiere
muestrear.
 Opciones:
 Fichas de lotería o bolitas numeradas
 Tabla de números aleatorios
 Aleatorio Simple/Muestreo Simple al
Azar. Pasos
 Determinar el tamaño de la muestra
 Numerar los individuos de 1 a n
 Tirar unidades al azar (probabilidad igual)
Ejemplo :
 Cobertura de la vacuna anti- sarampión entre
1200 niños de una escuela X :
 Muestra = 60
 Hacer una lista de todos los niños
 Numerarlos de 1 a 1200
 Selección aleatoria de 60 números
 Muestreo Aleatorio Sistemático

Ejemplo :
Población (N) : 12,000
Muestra requerida (n) : 600
Calcular el intervalo de muestreo (k) = 12,000
/ 600 = 20
Escoger el 1er numero al azar [1 - 20]
 1era unidad
Añadir k para escoger las siguientes unidades
Así sucesivamente hasta completar n.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

31 32 33 34 35 36 37 38 39 40 41 42 43 44 45

46 47 48 49 50 51 52 53 54 55 ……..

1er # = 12
k = 20
 Muestreo Estratificado
 Cuando la muestra incluye subgrupos
representativos (estratos) de los elementos
de estudio con características específicas:
urbano, rural, nivel de instrucción, año
académico, carrera, sexo, grupo étnico,
edad, paridad etc.
 En cada estrato para obtener el tamaño de
la muestra se puede utilizar el muestreo
aleatorio o sistemático.
MUESTREO POR CONVENIENCIA
El muestreo convenienci es un de
por
muestreo a
no probabilístico. método
Consiste en seleccionar
a
los individuos que al investigado para la
convienen r
muestra.
Esta conveniencia se
produce porque al
investigador le resulta
más sencillo examinar a
estos sujetos, ya sea por
proximidad geográfica,
por ser sus amigos, etc.
Ejemplos
: El médico un instituto
de
realiza un estudio quiere
óptico para
r
comprobar si los jóvenes mejoran
su
vista después de unos
ejercicios Para ello decide
visuales.
determinados
realizar el estudio a los alumnos de
un curso del instituto.
Un hospital desea hacer un estudio

para testar la de nuev
eficacia
vacuna contra su acaba
la gripe que a
patentar un laboratorio de
Realiza el farmacéutico
estudio sobre
n pacientes por que así
sus . al hospital
le supone menos costes económicos.
MUESTREO DE BOLA DE NIEVE
El método de muestreo de bola de nieve (o
muestreo
por referidos) un método de muestreo no
es
probabilístico. El muestreo se realiza sobre
poblaciones
en las que no
acceder se conoce
ellos. Podríana sus individuos
los casos ode
es muy
secta
a
difícil
secretas, ser grupos minoritarios,
indigentes, s
etc.
Se llama muestreo de bola de nieve porquecada sujeto
estudiado propone
a otros, produciendo un efecto
acumulativo parecido al de
la bola de nieve.
Ejemplo
s Un investigador
 hacer un estudio sobre el
quiere
comportamient de los individuos de
o
una secta Empieza estudiando tres
secreta.
integrantes de la misma que conoce y ellos le
van
presentando a otros sujetos para en su
estudio. incluirlos
 Un médico ha tratado a un pacient con
una enfermeda rar y decide hacer e un estudio
sobredella. Para ello, a
recurre al paciente, que le va
derivando a sus conocidos con dicha enfermedad y a
través del muestreo de bola de nieve entrevista al
número de individuos que precisa.
MUESTREO CASUAL O ACCIDENTAL
El muestreo o accidenta es un método
casualno probabilístico
muestreo l donde los individuos
de se
eligen de manera casual, sin ningún juicio previo. Las
personas que realizan el estudio eligen un lugar o un
medio, y desde ahí realizan el estudio a los individuos
de la población que accidentalmente se encuentren a
su disposición. Veamos algunos ejemplos:
Ejemplos

 Se realiza una encuesta de opinión un

sobre
producto de higiene personal que se ha lanzado al
mercado recientemente.
La empresa contrata a una serie entrevistadores
de
realizan las encuesta en la que
calle. Éstos van
entrevistand s a los que se van encontrand
o
accidentalmente por la o
calle.
MUESTREO DISCRECIONAL
El método de muestreo discrecional (o
muestreo por juicio o experto) es un método
de muestreo no probabilístico. Los sujetos se
seleccionan a base del conocimiento y juicio
del investigador.
TAMAÑO DE LA MUESTRA
PARA UNA VARIABLE CUANTITATIVA:

• Un nivel de confianza: Que es adoptado por el investigador, el cual puede ser

90%, 95% o 99% y que origina el valor de Z.
• El error de estimación (E): Que también es fijado por el investigador
• La desviación estándar ó varianza: que son valores que se obtienen por
estudios anteriores, por la muestra piloto o por la distribución de la población.
• El Tamaño de la población (N): Que generalmente no se conoce.

PARA UNA VARIABLE

CUALITATIVA:
 Un nivel de confianza: Que es adoptado por el investigador, el cual puede ser
 95% o 99% y que origina el valor de Z. El error de estimación (E): 90%,
Que también es fijado por el investigador
 La proporción poblacional (P): que son valores que se obtienen por estudios
anteriores, por la muestra piloto y si no se conoce asumir p=0.5.
 El Tamaño de la población (N): Que generalmente no se conoce.
FORMULAS PARA DETERMINAR EL TAMAÑO DE
MUESTRA:
Cualitativa
Cuantitativa
VARIABLE
(Proporción
(Promedio
POBLACION INFINITA (Cuando Poblacional)
no se conoce N)
Poblacional)

POBLACION FINITA (Cuando se

conoce N)

Z = es el valor de la distribución normal estandarizada para un nivel de confianza fijado por el

investigador.
S = Desviación estándar de la variable fundamental del estudio o de interés para el investigador.
Obtenida por estudios anteriores, muestra piloto, criterio de experto o distribución de la variable de
interés.
P = es la proporción de la población que cumple con la característica de interés.
E = % del estimador o en valor absoluto (unidades). Fijada por el investigador.
N = Tamaño de la población.
Valor de Z: es el valor de la abscisa de la distribución normal

estandarizada teniendo en cuenta el nivel de confianza fijado por

el investigador, por lo tanto este valor se encuentra en las tablas

estadístic respectiva Para hacer el trabajo menos tedioso,

a .
presentamos a continuación los diferentes valores
de Z.
Ejemplo 1:
En un proyecto minero en Cajamarca, se ha
calculado que cerca del 30% (0,3) de los niños que
habitan cerca de la zona del proyecto padecen de
malnutrición crónica. Este dato se basa en
estadísticas nacionales sobre malnutrición en las
zonas rurales. Determinar el tamaño de muestra
con un nivel de fiabilidad de 95% (valor estándar
Z=1,96).
Ejemplo 2
Se desea estimar el peso promedio de los sacos que son llenados
por un nuevo instrumento en una industria. Se conoce que el
peso de un saco que se llena con este instrumento es una
variable aleatoria con distribución normal. Si se supone que la
desviación típica del peso es de 0,5 kg. Determine el tamaño de
muestra aleatoria necesaria para determinar una probabilidad
igual a 0,95 de que el estimado y el parámetro se diferencien
modularmente en menos de 0,1 kg.

Como el tamaño de muestra no es debe ser

fraccionario
aproximado por exceso, es decir seria de 97
sacos.
Ejemplo 3
¿Cuántas mujeres serán necesarias estudiar para estimar la
prevalencia de violencia en una población de embarazadas?
Solución: Con un nivel de confianza del 95 % (α=0,05 , zα = 1,96),
un error máximo admitido del 8 % y un valor de prevalencia
conocido por la bibliografía del 20 %, el tamaño de la muestra
necesario será:

Será necesario estudiar 97 mujeres embarazadas

Ejemplo 4
¿A cuántas familias tendríamos que estudiar para conocer la
preferencia del mercado en cuanto a las marcas de shampoo
para bebé, si se desconoce la población total? Utilizar datos
dados:

Seguridad = 95%;
Precisión = 3%;
Proporción esperada = asumamos que puede ser próxima al 5%;

Nota: Si no tuviésemos ninguna idea de dicha proporción utilizaríamos el

valor p = 0.5 (50%) que maximiza el tamaño maestral.
Entonces:
• Z²α = 1.962 (ya que la seguridad es del 95%)
• p = proporción esperada (en este caso 5% = 0.05)
• q = 1 – p (en este caso 1 – 0.05 = 0.95)
• e = precisión (en este caso deseamos un 3%)

Se requeriría encuestar a no menos de 203 familias para poder

tener una seguridad del 95%
Ejemplo 5
¿A cuántas familias tendríamos que estudiar para conocer la
preferencia del mercado en cuanto a las marcas de shampoo para
bebé, si se conoce que el número de familias con bebés en el sector
de interés es de 15,000? Use una seguridad = 95%;Precisión = 3%.
Proporción esperada = asumamos que puede ser próxima al 5%

Se requeriría encuestar a no menos de 200 familias para poder

tener una seguridad del 95%
 FIN DE LA
PRESENTACIÓN

MUCHAS GRACIAS
POR SU ATENCIÓN

Dr. Rolando Betancourt Atanay