Teoria Del Muestreo

TEORIA DEL MUESTREO 1. INTRODUCCION En la práctica profesional, el médico se enfrenta con frecuencia ante la necesidad de conocer realidades respecto al proceso salud enfermedad en la persona humana, una enfermedad, un medicamento, una técnica quirúrgica, niveles de educación e información; cuando ello se necesita conocer en un grupo poblacional, sería necesario examinar todos los miembros de ese grupo con el fin de observar el comportamiento de las variables en estudio. Sin embargo, muchas veces, el grupo en estudio es tan grande que hace difícil, casi imposible el examen de todos sus miembros, por lo que se procede comúnmente a examinar un determinado número de individuos u objetos, observar el comportamiento de las variables en estudio en este conjunto limitado para luego extender los resultados al conjunto total, con cierto grado de confianza. Es entonces, importante conocer que se puede estudiar un sub conjunto de la población para luego inferir los resultados al conjunto total de elementos con un cierto grado de precisión el cual dependerá de la selección de los elementos del sub conjunto a estudiar y de los métodos de inferencia para la obtención de premisas generales. Esto es la “teoría del muestreo”, la selección adecuada en cantidad y calidad de los individuos que constituirán el grupo de observación, para ello es necesario tener conceptos muy claros respecto a población o universo y muestra. 2. 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). 3. VENTAJAS Y DESVENTAJAS DEL MUESTREO A.

En estudios que implican técnicas destructivas o de uso que imposibilidad de utilización posterior de lo analizado.

B. El trabajo con una muestra y no con el universo implica eficiencia, pues significa ahorro de recursos, esfuerzos y tiempo C. Con el uso del muestreo se pueden obtener resultados razonablemente más precisos que el estudio de todo el universo, pues para el estudio de sólo una muestra, el personal mínimo necesario puede ser mejor preparado para recoger información más detallada y elaborada. D. Como desventaja se debe mencionar el error de muestreo, producto de la variabilidad intrínseca que poseen los elementos de todo universo o población. El término error no debe entenderse como sinónimo de equivocación. Ejemplo: Estatura de niños: 117, 120, 125, 125, 130 Tamaño 2 2 2 3 3 3 4 4 4

Valores muestrales 117, 120 125, 130 125, 120 125, 130, 125 125, 125, 120 125, 117, 125 120, 117, 125, 125 130, 117, 125, 125 117, 125, 125, 120

Media poblacional

Media muestral 118.50 127.50 122.50 126.66 123.33 122.33 123.00 124.25 121.75

123.4

E. También suelen introducirse errores por otras vías, los cuales se denominan errores sistemáticos: Los cuales son: Imputables al observador. Imputables al método de observación o medición. Imputables a lo observado (unidad de muestreo). 4. 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 5. 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.

6. TIPOS DE MUESTREO Los autores proponen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: métodos de muestreo probabilístico y métodos de muestreo no probabilístico. 6.1.

MÉTODOS DE MUESTREO PROBABILÍSTICO

Los métodos de muestreo probabilístico son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamaño n tienen la misma probabilidad de ser elegidas. Sólo estos métodos de muestreo probabilístico nos aseguran la representatividad de la muestra extraída y son, por tanto, los más recomendables. Dentro de los métodos de muestreo probabilístico encontramos los siguientes tipos: 6.1.1. MUESTREO ALEATORIO SIMPLE 6.1.2. MUESTREO ALEATORIO SISTEMÁTICO 6.1.3. MUESTREO ALEATORIO ESTRATIFICADO 6.1.4. MUESTREO ALEATORIO POR CONGLOMERADOS 6.2.

MÉTODOS DE MUESTREO NO PROBABILÍSTICO:

A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente costoso y se acude a métodos no probabilístico, aun siendo conscientes de que no sirven para realizar generalizaciones, pues no se tiene certeza de que la muestra extraída sea representativa, ya que no todos los sujetos de la población tienen la misma probabilidad de se elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios procurando que la muestra sea representativa. 6.2.1. MUESTREO POR CUOTAS 6.2.2. MUESTREO OPINÁTICO O INTENCIONAL 6.2.3. MUESTREO CASUAL O INCIDENTAL 6.2.4. BOLA DE NIEVE