10 Universo Y Muestra

Metodología de la Investigación Etapas del Diseño Metodológico: UNIVERSO Y MUESTRA Dra. Orietta Segura B Nut. Miguel Ángel López Espinoza Relator: Prof Nut Miguel Ángel López Espinoza, BCs

DISEÑO METODOLÓGICO UNIVERSO También suele llamarse Población, al conjunto total de individuos que presentan ciertas características que lo hacen aglutinarse en un grupo definido de personas. POBLACIÓN ACCESIBLE POBLACIÓN DIANA Generalización ideal DIFÍCIL: • Razones geográficas, • costo, • manipulación de variables

• Generalización real

DISEÑO METODOLÓGICO Es tarea del investigador estudiar muy bien a la población en la cual desea trabajar, para conocer sus limitaciones, ventajas. También con ello podrá discernir cuál es la población diana y la accesible CRITERIO S PARA ESTUDIAR

POBLACIÓN ACCESIBLE

COSTOS TIEMPO DURACIÓN ACCESIBILIDAD NÚMERO DE ENCUESTADORES CANTIDAD DE MATERIAL COMPLEJIDAD DE VARIABLES

MUESTRA

DISEÑO METODOLÓGICO Si se decide por realizar un muestreo, debe conocer que los resultados deben representar a la población (inferir). Si los resultados no representa a la población, sólo serán validos a la muestra. POBLACIÓN ACCESIBLE POBLACIÓN DIANA

Representa indirectamente (necesita varios estudios)

Representa directamente

MUESTRA

DISEÑO METODOLÓGICO •Probabilístico * Diseño del Muestreo

Tamaño de la Muestra

Conjunto de elementos que presentan condición común observable

Selección de muestra

•No Probabilístico •Ecuaciones Parte de los elementos de un universo que se elige para el estudio

Universo * Generalización de resultados INFERENCIA

Unidad de Análisis

DISEÑO METODOLÓGICO Para que los resultados obtenidos por una muestra pueda representar a la población accesible, la muestra debe pasar por dos fases: 1. Diseño de muestreo 2. Cálculo del tamaño muestral Si no realiza estos dos pasos, los resultados no van a ser inferibles, por lo tanto, representarán sólo a la muestra.

DISEÑO METODOLÓGICO Diseño de la muestra. Es preciso que el investigador decida cómo pretende muestrear a los sujetos de estudio UNIDAD DE ANÁLISIS

Aleatorio Probabilístico

Monoetápic o

Azar simple Azar sistemático

Estratificado Por conglomerados

Bietápico

Multietápico

MUESTREO

No Probabilístico

De sujetos voluntarios Por cuotas Por conveniencia

DISEÑO METODOLÓGICO Muestreo Al azar Simple. El azar es quien se encarga de decidir qué individuo entrará a la muestra. Permite asegurar que todas las unidades de análisis tengan la misma posibilidad de ser incluidos en la muestra. Se usa en poblaciones donde las unidades de análisis no presentan un ordenamiento Se usa en poblaciones con una cantidad moderada de unidades de análisis (no mayor a 1000 sujetos) Se usa: Tómbola Tabla de Números Aleatorios Excel Calculadora

DISEÑO METODOLÓGICO Al Azar Sistemático. Cada cierta cantidad de unidades de análisis que forman la población, se debe extraer un sujeto de estudio que participará como muestra. Se aplica cuando las unidades de análisis están previamente ordenadas dentro de la población. Se deben realizar cuatro pasos: 1°. Tener a mano el listado enumerado desde 1 a N de todos los individuos (población)  Se conoce el tamaño de K=N/n la población (N) 2°. Cálculo de la expresión k 3°. Determinar el número de arranque. azar entre el primero de la lista y K.

Es un número al

4°. Elegir cada K personas el sujeto que formará parte de la

DISEÑO METODOLÓGICO Ej: Se desea estudiar la hipercolesterolemia en escolares de 7° año de una escuela. Se desea muestrear a 10 escolares de 50 niños del 7° año básico 1° Paso: Se sabe que la población tiene un orden  listado alfabético de los alumnos (libros de clases) 2° Paso: K=50/10 = 5 3° Paso: Elegir al azar un número entre 1 y 5. El azar decidió que el número es= 3  número de arranque 4° Paso: El primer seleccionado es el alumno n°3 de la lista; el segundo se extrae de la suma entre 3 + 5= 8 de la lista, luego: 8 + 5 =13 , luego 13 + 5 = 18, luego 18+ 5=23, luego 23 + 5=28, luego 28 + 5 = 33, luego 33 + 5 =38, luego 38 + 5 =43, luego 43 + 5= 48.

DISEÑO METODOLÓGICO Consideración: Hay que estudiar bien la población, para descartar el hecho de conductas de repetición sistemática dentro de los sujetos de la población, y pudiera afectar la calidad de la muestra. Estratificado. Se aplica cuando sabemos que hay ciertos factores (variables, subpoblaciones o estratos) que pueden influir en el estudio y queremos asegurarnos de tener cierta cantidad mínima de individuos de cada tipo, por ejemplo, un poco de jóvenes, de niños, de ancianos, de mujeres, etc.

DISEÑO METODOLÓGICO Estrato: División de la población, cuya estratificación se realiza por una variable. Ej Al estudiar la población de una cuidad, los habitantes tienden agruparse en un solo sector (Variable estratificadora: nivel socioeconómico)

ABC1

ABC

B1

BC

CARACTERÍSTICAS A1

AB

C3

UNIVERSO

BC2

Homogéneos las unidades de análisis Heterogérneos entre estratos

E

D

C2

C1

DISEÑO METODOLÓGICO Ejemplo: Se decide diseñar el método estratificado el muestreo para un estudio sobre perfil ocupacional de las nutricionistas recién egresadas de un país caribeño Regiones Metropolitana Región A Región B Región C TOTAL

Nº Nutris 74 60 53 4 191

Muestra

Por tanto, se define a la población en estudio  N=191 La muestra que se decide estudiar es de n= 50 1° Paso: Calcular el índice de muestreo  IM= n/N IM=50/191=0,2618

la muestra representa el 26,18% de la población de estudio  población accesible

DISEÑO METODOLÓGICO 2° Paso: Usar el IM multiplicándolo por el tamaño de la población de cada estrato

Regiones Nº Nutris IM Muestra Metropolitana 74 0,2618 19 Región A 60 0,2618 16 Región B 53 0,2618 14 Región C 4 0,2618 El1 muestreo donde se multiplica en cada estrato el IM se denomina muestreo TOTAL 191estratificado con afijación 50

proporcional.

3° Paso: Ahora, se debe escoger las unidades de análisis de cada estrato de forma aleatoria: puede ser al azar simple, o azar sistemático, dependiendo de cómo se comporta la población (diseño multietápico)

DISEÑO METODOLÓGICO Muestreo por Conglomerados. Se aplica cuando es difícil tener una lista de todos los individuos que forman parte de la población de estudio, pero sin embargo sabemos que se encuentran agrupados naturalmente en grupos. Se realiza eligiendo varios de esos grupos al azar, y ya elegidos algunos podemos estudiar a todos los individuos de los grupos elegidos o bien seguir aplicando dentro de ellos más muestreos por grupos, por estratos, aleatorios simples.

DISEÑO METODOLÓGICO Conglomerado División natural de la población o que no intervenga una variable como estratificadora (Ej: cuadras de una ciudad). Se procede censar el conglomerado completo

DISEÑO METODOLÓGICO Monoetápico Bietápico multietápico

1° Paso: Se dividen la población en conglomerados. 2° Paso: Se elije al azar una cierta cantidad de conglomerados (depende del tiempo, costo). 3° Paso: Se procede a muestrear a todos los individuos de los conglomerados seleccionados. Si todavía la cantidad de sujetos es alta, se procede: 1° Paso: de los conglomerados seleccionados, se seleccionan unidades de muestreo (casas, edificios, cuadras, etc). 2° Paso: de los integrantes de cada unidad de muestreo, seleccionar la unidad de análisis, por medio del azar (sistemático o simple) 

DISEÑO METODOLÓGICO Hay que tener en cuenta el todos los conglomerados de la población deben presentar sujetos que representen a la población. Sólo así se puede proceder a la selección de conglomerados, ya que se parte del supuesto que todos tienen la misma probabilidad de formar parte de la muestra. El diseño por conglomerado también se puede combinar con un diseño estratificado.

DISEÑO METODOLÓGICO Resumen:

*

Muestreo al Azar o Sistemático

** * * * * * * * * * * * *

Muestreo Estratificado

* * * * *

Muestreo por Conglomerado

** * * * * * * *

*

* * * * *

** * * * ** * * * * * * * * ** * * * * * * * ** * *

•Muestrear

• Estratificar • Muestrear por cada estrato • Aglomerar • Elegir por azar conglomerados • Muestrear conglomerados

DISEÑO METODOLÓGICO Diseño no probabilístico. Si desea realizar un estudio con alguno de estos modelos, debe saber que los resultados no representarán o inferirán a la población accesible, y sólo serán válidos a la muestra.

De sujetos voluntarios. Se trata de muestras fortuitas. Las personas se ofrecen ser parte del estudio. Si una persona se ofrece, puede sobrevalorar u subvalorar los resultados.

DISEÑO METODOLÓGICO Por cuotas. El muestreo por cuotas consiste en un muestreo de juicio, con la restricción de que la muestra incluye un número mínimo de cada subgrupo específico dentro de la población. El paso inicial es determinar la cantidad o “cuota” de sujetos de estudio a incluirse y que poseen las características indicadas. Ejemplo: Encuesta de opinión pública, en que los encuestadores proceden a buscar las personas hasta cubrir la cuota previamente fijada, sin preocuparse por áreas geográficas, zonas u otro criterio. Por conveniencia. El investigador decide, según sus objetivos los elementos que integrarán la muestra, considerando aquellas unidades supuestamente “típicas”

DISEÑO METODOLÓGICO Cálculo de la Muestra. El tamaño de la muestra se calcula, teniendo en cuenta: Objetivo General. Ej: Si el OG: Conocer la prevalencia de Cáncer de próstata en el Hospital xxx  implica calcular un porcentaje El cálculo de la muestra para el porcentaje es distinto si se desea conocer un promedio.

Tipo de Estudio. El tamaño de muestra es distinto si uno quiere estudiar desde la perspectiva de un estudio descriptivo o un caso y control o un cohorte. Universo. Si conoce el universo se usa una fórmula, si no

DISEÑO METODOLÓGICO Cálculo de la Muestra. El tamaño de la muestra implica conocer: •Error de muestreo. Lo impone el investigador (del 1 al 15%) •Nivel de Confianza (90 – 95 – 99%) Potencia (80%, 90%) •Conocimiento de un estadígrafo de un estudio anterior Si no se tiene conocimiento del estadígrafo en un estudio anterior: • Se escribe un estadígrafo teórico (p=0,5) • Se calcula a través de la información recolectada en la prueba piloto

DISEÑO METODOLÓGICO Cálculo de la Muestra.

El nivel de confianza y la potencia estadística son las probabilidades de que un estudio de un determinado tamaño detecte como estadísticamente significativa una diferencia que realmente existe (Altman, 1991). Nivel de Potencia Confianza estadística

1 - beta Beta= probabilidad aceptada a priori de cometer un error tipo II El resultado es significativo cuando realmente lo es

alpha

Alpha= Probabilidad aceptada a priori de cometer un error tipo I Afirmar que existen diferencias significativas cuando realmente no la hay

DISEÑO METODOLÓGICO Cálculo de la Muestra.

Cola: representa sujetos que se escapan de lo normal, casos extremos.

Alpha

Beta

Alpha

Representa a la mayoría de los sujetos de una población cualquiera. Implica que los resultados representan a la mayoría

Entre más grande el valor de alpha (mayor es el nivel de confianza), se hace más chico el valor de beta (mayor es la potencia)

Potencia estadística

1 - beta

Nivel Confianza

alpha

de

DISEÑO METODOLÓGICO Cálculo de la Muestra. VALORES DE INTERVALOS DE CONFIANZA Y POTENCIA ESTADÍSTICA

Alpha 0,1

z

Beta

1,65

0,2

95%0,05

1,96

0,1

0,01

2,58

0,05

Intervalo de Confianza

z 0,84 1,28 1,65

Potencia Estadística

90%

DISEÑO METODOLÓGICO Cálculo de la Muestra. Cálculo de la Muestra si el objetivo de la Investigación tiene que ver con Proporción (P)

z ⋅ p (1 − p ) n≥ 2 d 2

No se conoce el tamaño de N

CÁLCULO

Sí se conoce el tamaño de N

z 2 ⋅ N ⋅ p (1 − p ) n≥ 2 d ⋅ ( N − 1) + z 2 ⋅ p (1 − p )

DISEÑO METODOLÓGICO Cálculo de la Muestra. Cálculo de la Muestra si el objetivo de la Investigación tiene que ver con la Media

z ⋅s n≥ 2 d 2

No se conoce el tamaño de N

2

CÁLCULO

N ⋅z ⋅s n≥ 2 2 2 d ⋅ ( N − 1) + z ⋅ s 2

Sí se conoce el tamaño de N

2

DISEÑO METODOLÓGICO Unidad de Análisis. Como se ha mencionado anteriormente, la Unidad de Análisis son los sujetos sobre el cual se estudia. Ejemplos: •Niños macrosómicos •Adultos mayores de ambos sexos entre 70 a 80 años •Embarazadas •Embarazadas Preeclámpsicas Criterios de Inclusión

Necesita delimitar la Unidad de Análisis

DISEÑO METODOLÓGICO Criterios de Inclusión son todas las características que debe poseer todos los individuos que forman parte de la muestra. Criterios de Exclusión son las características que el investigador no desea que las unidades de análisis presenten. Con ello se pretende “limpiar” y evitar sesgos en resultados. Así se controlan mejor las variables que se estudian, evitando que la Unidad de Análisis sea el origen de resultados falsos, y por ende, conclusiones que no representan al Universo ni a la realidad de la propia