Poblacin y muestra Tcnicas de muestreo Poblacin o
Población y muestra Técnicas de muestreo
Población o universo: “Conjunto de individuos, objetos, elementos o fenómenos en los cuales puede presentarse determinada característica susceptible de ser estudiada” Población Finita • Existe o puede construirse un marco muestral. Se conoce el tamaño Población Infinita • No se conoce el tamaño y no puede conocerse. No hay marco muestral y no puede construirse. Población diana u objeto: población a ser estudiada/a la cual el investigador quiere generalizar los resultados
Unidad de análisis (UA): cada uno de los elementos que componen el universo (UE), en los que se observaran las variables de interés, también llamado unidad de observación (UO).
Muestra: Subconjunto de unidades provenientes de la población (parte de la población), que con algún criterio o sin él, son seleccionadas a los efectos de ser estudiadas en una o más características VENTAJAS Mayor seguridad en la recolección de datos Profundización en el estudio de las variables Mayor control de las variables Menor tiempo Menos
¿Cuándo utilizar muestras? Cuando el universo es finito pero muy grande Cuando el universo es infinito Cuando existe la posibilidad de destrucción de la unidad elemental Cuando faltan recursos o tiempo
Proceso de muestreo: método por el cual se eligen unidades de la población, que conformaran la muestra. Consideraciones: Definir concretamente la población o universo de estudio Delimitación cuidadosa de la población en relación la problema, objetivos, hipótesis, variables y tipo estudio. Definir la unidad muestral- familias, viviendas, manzanas, individuo, animales, otros; así como la unidad de análisis o de observación. La muestra debe ser representativa para poder hacer generalizaciones válidas Es representativa cuando reúne las características principales de la población, en relación a la/s variable/s de estudio. Debe considerarse la variabilidad de la variable principal, según el fenómeno que se desea estudiar.
Fin In fin ita POBLACION Ua Unidad muestral Ob Es Mu pac es io tra l MUESTRA jet o Probabilística Aleatoria simple = (estadísticas) ≠ Unidad de análisis No probabilística Por conveniencia Voluntarias Sistemática Accidental Estratificada Por Conglomerado Por cuota Por juicio / por criterio o discrecional
Concepto de muestra probabilística Cuando todas los elementos del universo tiene la misma probabilidad de ser parte de la muestra. Son más representativas Sus resultados son extrapolables (generalizables) a la población general. Se obtiene mediante técnica de muestreo aleatorio ( por azar)
Aleatorias simples: utiliza cualquier sistema de azarificación (tabla de números al azar, bolilleros, etc. )
Aleatorias simples: Cuando usarla: Cuando se sabe que la variable de mayor interés se distribuye aleatoriamente en el universo En universos pequeño (no más de 200 UE) Universos de poca dispersión geográfica. Cuando no se conoce el patrón de distribución de la variable de interés. Desventajas Es necesario contar con una lista enumerada de todas las unidades de la población. Los sujetos seleccionados pueden estar muy dispersos por lo que contactar con cada uno de ellos puede resultar costoso en tiempo y dinero. Algunos subgrupos de la población, especialmente aquellos más minoritarios, pueden prácticamente no estar representados en la muestra si ésta es pequeña
Muestreo sistemático: Consiste en seleccionar a los individuos según una regla o proceso periódico. • 1 ra UA por azar , en adelante se utiliza nº de sistematización: K= N/n • K= constante (nº de sistematización) • N= total del universo • N= nº muestral
Muestreo sistemático: Cuando utilizarlo: Cuando no tengo listado de antemano pero puedo estimarlo. Cuando no hay posibilidad de identificar en el marco muestral a cada una de las UM. Por ejemplo, en ciudades grandes donde no se tienen listados de viviendas Cuando se dificulta el acceso a las UM, por distancias, falta de caminos o en terrenos abruptos. Por ejemplo, en un inventario forestal. Cuando no se aconseja: En las situaciones en que las unidades de muestreo están ordenadas por algún criterio periódico y la constante de muestreo puede coincidir con ello. Ejemplo si queremos conocer la demanda en un centro de salud y elegimos como unidad de muestreo el día de la semana puede ocurrir que obtener, gamos como constante de muestreo (K) el número 7, en ese caso estaríamos describiendo siempre la demanda que se produce un día determinado, por ejemplo el sábado.
Muestras estratificadas: supone que el universo pueda desagregarse en sub-conjuntos menores, diferenciándolos de acuerdo a alguna variable que resulte de interés para la investigación. • Los estrato es homogéneo al interior y heterogéneo entre si. • Cada estrato es un universo particular, en el que las unidades muestrales se seleccionan por azar. • Al final la muestra queda constituida por un mismo porcentaje de cada estrato Características • Cuando la variación entre estratos es mayor que la interna de cada estrato. • principalmente en poblaciones donde se supone o se conoce que la distribución de la(s) variable(s) de mayor interés es diferente entre subpoblaciones fácilmente identificables. Cuando usarlas
Muestra por conglomerado: el universo admite ser subdividido en universos menores de características similares a las del universo total. Los conglomerados constituyen grupos heterogéneos al interior del grupo y homogéneos entre sí. • 1 -Se subdivide el universo en conglomerados. • 2 -Se eligen al azar los conglomerados que formaran la muestra. • 3 - Se eligen al azar las unidades muestrales de cada conglomerado. Procedimiento • Cuando existe alta dificultad para llegar a todas las UM del universo debido a una gran dispersión espacial o a tener barreras físicas de acceso. • Ejemplo cuando queremos extraer muestras de los habitantes de un conjunto geográfico amplio Utilización
Muestras no probabilísticas: NO todos los elementos del universo tiene la misma probabilidad de ser parte de la muestra. Se obtiene por criterios y no son representativas.
Muestreo por cuotas: Cuando utilizarlo: Cuando se tienen datos adicionales de los individuos (edad, sexo, etc. ) y se pueden utilizar ya que el investigador considera que estos datos pueden influenciar en las características que se estudian. Diferencia con el muestreo estratificado: En el muestreo por cuota la selección de UA no es aleatoria El análisis por estratos permite un posterior análisis de las diferencias entre grupos.
Muestreo por conveniencia Cuando utilizarlo: En estudios iniciales para comprobar si se cumplen las hipótesis que se plantea el investigador.
Muestreo accidental o casual: Las UA se incorporan como van apareciendo al momento del muestreo, sin juicios previos. Cuando utilizarlas: Únicamente para hacernos una idea de cual es la opinión de la gente respecto a algún producto o tema de actualidad.
Muestro por juicio/ por criterio o discrecional: • El investigador selecciona a los individuos a través de su criterio profesional. Puede basarse en la experiencia de otros estudios anteriores o en su conocimiento sobre la población y el comportamiento de ésta frente a las características que se estudian. Cuando se usa • Cuando el responsable del estudio conoce estudios anteriores similares o idénticos y sabe con precisión que la muestra que utilizaron fue útil para el estudio. • Si la población es muy reducida y conocida por el investigador. •
Muestreo de voluntarios: Cuando el investigador promociona su investigación e invita a participar de la muestra. Cuando se usa: • Por ejemplo en la segunda etapa d un ensayo clínico, cuando se prueba un medicamento
Errores en la muestra: Errores sistemáticos: Sesgo de informacion • Respuestas inapropiadas. Sesgo de medición (o clasificación) • Las mediciones y/o clasificaciones de la variable son inexactas. Sesgos de selección • Cuando existe una diferencia sistemática entre las características de la población seleccionada para el estudio y las características de la población no seleccionada Errores aleatorios: Error tipo 1 o α Error tipo 2 o β • La probabilidad de encontrar una diferencia con nuestra muestra comparada con la población, y no hay una diferencia en realidad…. • La probabilidad de no encontrar una diferencia que actualmente existe entre nuestra muestra comparada con la población… • Usualmente situado al 5% (o 0. 05) • Poder es (1 - β) y es comúnmente del 80%
Errores de muestreo Mide la discrepancia que se presenta a partir de una enumeración incompleta de la población. Estos errores pueden presentarse debido a que la población no ha sido definida debidamente o no corresponde a la población bajo estudio. La población objeto (a ser estudiada) difiere de la población muestreada. Los errores de muestreo (si no son debido a problemas del diseño) pueden reducirse aumentando el tamaño y/o complejidad de la muestra. Ejemplo de población objeto que difiere de la población muestreada. • Analizar la cobertura de vacunación de los niños de Tucumán, tomando una muestra de los que concurren a los Centros Asistenciales oficiales.
Sintetizando los elementos a considerar en el proceso de muestreo: 1 2 3 • Definir la población, el tamaño y los elementos que componen a la población. • Determinar la unidad de observación, la unidad muestral y sus características. • Determinar la información necesaria para la selección de la muestra. 4 5 6 • Definir el tamaño de la muestra. • Definir el método de selección de la muestra • Definir los procedimientos a seguir en la selección de la muestra.
Bibliografía • PINEDA, ALVARADO Y CANALES. “Metodología de la investigación. Manual para el desarrollo del personal de salud” 2 da. Edición. Serie PALTEX. 1994. • SABINO, Carlos “El proceso de Investigación” Ed. Panapo, Caracas, 1992. (Publicado también por Ed. Panamericana, Bogotá, y Ed. Lumen, Buenos Aires. ) http: //paginas. ufm. edu/Sabino/PI. htm. • ROBLEDO MARTIN, Juana. “Población de estudio y muestreo en la investigación epidemiológica” Nure Investigación, nº 10, Noviembre 2004 - (En Línea) Disponible en: www. nureinvestigacion. es/FICHEROS_ADMINISTRADOR/F_ME TODOLOGICA/formacion%2010. pdf (Bajado el día 4 -6 -2008)
- Slides: 24