Poblacin de estudio y

muestra
Curso de Metodologa de la Investigacin
Unidad Docente de MFyC

Patricio Surez Gil

La Fresneda (Asturias), 2011
 Poblacin de estudio
Conjunto de individuos al que se refiere nuestra
pregunta de estudio o respecto al cual se pretende
concluir algo.
Las preguntas de estudio nunca remiten a una
muestra

Poblacin diana y poblacin accesible

 Poblacin diana: definida por caractersticas
clnicas, epidemiolgicas o demogrficas.

Poblacin accesible: subconjunto de la poblacin

diana delimitada geogrfica y/o temporalmente
disponible para el estudio.

Muestra.
 Definicin poblacin de
estudio
Definicin operativa: geogrfica y temporal.
Fuente de informacin
Criterios de exclusin y/o inclusin
Definicin de prdidas
 Qu es muestreo?
Herramienta de la investigacin cientfica (otros
usos)

Determinar qu parte de una realidad debe

examinarse para hacer inferencias sobre el todo del
que procede

Siempre lleva asociado un error (ERROR DE

MUESTREO)
(esquema de poblacin y
muestra)
Cundo realizar muestreo?
Es un problema econmico

Muchas investigaciones conllevan un problema de

muestreo, pero no en todas es clave
Ms importante en estudios descriptivos que en
comparativos: importa ms la representatividad
que la homogeneidad (Encuestas de Salud vs.
Estudio de casos y controles)
 Formalmente: problema de
muestreo de poblaciones finitas
Poblacin finita

? parmetro

Proceso de
estimacin

estadstico

Muestra
 Muestra representativa o
probabilstica?
La nocin de representatividad slo tiene un
alcance intuitivo, carece de definicin formal

Una muestra ser representativa cuando exhiba

internamente el mismo grado de diversidad que la
poblacin

El azar no garantiza la representatividad ante una

muestra concreta, pero
 la confianza que pueda depositarse en una
muestra depende de la que merezca el mtodo
que la produjo

El azar es un seguro contra distorsiones

sistemticas (sesgos)
 Qu es una muestra?

Cualquier subconjunto de una poblacin

 Procedimientos de
extraccin de muestras

MUESTREOS PROBABILSTICOS

MUESTREOS NO PROBABILSTICOS
 Muestreos no
probabilsticos
Seleccin sin mtodo
Criterio de experto/autoridad
Muestreo semiprobabilsitico
Muestreo por cuotas
Muestreos consecutivos
No permiten calcular errores de muestreo, pero
pueden producir muestras representativas!
 Muestreo probabilstico
1. Todo elemento de la poblacin tiene probabilidad
no nula de ser elegido

2. La probabilidad de seleccin debe ser conocida

(de antemano)

3. Si adems, la probabilidad es igual para todos:

Muestreo equiprobabilstico

Se pueden calcular errores de muestreo e

intervalos de confianza!
 Tipos de muestreo
Muestreo Simple Aleatorio (MSA)
Muestreo Aleatorio Estratificado (MAE)
Muestreo Sistemtico (MS)

Muestreos por conglomerados y

diseos complejos (polietpicos)
 Muestreo Simple Aleatorio
(MSA)
Cualquier subconjunto de tamao n tiene la misma
probabilidad de seleccin

De una poblacin finita de tamao N se pueden

obtener k muestras de tamao n, segn

N N!
k = =
n n!( N n )!
 Cuando las k muestras tienen la misma
probabilidad de ser elegidas estamos ante un MSA

Es equiprobabilstico
La probabilidad de seleccin de cada uno de los
elementos es
n
f =
N

Ojo: No todo equiprobabilstico es MSA!

 Cmo se hace?

Mecanismo fsico (urna)

Tabla de nmeros aleatorios

Algoritmos de generacin de nmeros pseudo-

aleatorios
 Error e intervalo de
confianza (proporcin)
pq q =1 p
Var(p) = (1 f ) siendo
n 1
n
f =
N
e = z1 Var( p) = 1,96 Var( p)

IC1 = [ p e; p + e]
 Error e intervalo de
confianza (media)
n
1
x = xi
n i=1
n
1 2
s2 = ( i )
n 1 i=1
x x

s2
e = z1 (1 f )
n

IC1 = [ x e; x + e]

 Error absoluto vs. relativo
Error absoluto es la diferencia entre la estimacin y
el verdadero parmetro poblacional

e0 = e0 = p

e0 = x

Error relativo
es la razn entre la magnitud del error
(absoluto)

y la magnitud medida

e0 e0 e0
er = = =
p x

 Tamao de muestra
n0
n=
n0
1+ fraccin de muestreo
N

Para estimar una proporcin (%)

z12 pq
n0 =
e02
Para estimar una media
z12 s2
n0 = 2
e0

 Prediccin de prdidas

Calcular el tamao muestral corregido segn

fraccin esperada de no-respuesta ()
n
nc =
1

 Algunos problemas
En rigor, slo sirve para MAS
Hay que fijar error absoluto
Exige parmetros a estimar
Definir un nivel de confianza
En la prctica se quieren estimar muchos
parmetros

 En resumen, el MAS

Importancia terica

Poco usado como mtodo puro o aislado

Forma parte de diseos ms complejos

Exige listado completo de las unidades de

anlisis (universo o poblacin a muestrear)!
 Muestreo Aleatorio
Estratificado
L=4 estratos

n1
n2 n3
n3

N1 N2 N3 N4

N1+N2+N3+N4+=N (poblacin)
n1+n2+n3+n4+=n (muestra)
 Muestreo Aleatorio
Estratificado
Cuando podemos identificar diferentes grupos cuya
representacin quiera asegurarse, podemos hacer
listados separados de cada uno de ellos

Ideal: grupos homogneos internamente y

diferentes entre s (estratos)

En general, cuando se quiere hacer estimaciones

en los estratos

Suele dar errores menores (mayor precisin)

 Muestreo Aleatorio
Estratificado
Asignacin proporcional
ni n La fraccin de muestreo es constante en todos
=
Ni N los estratos: es equiprobabilstico!

Asignacin fija

Asignacin ptima (de Neyman)

 Muestreo Sistemtico (MS)

Procedimiento equiprobabilstico que exige listado

de las unidades de anlisis

Equivalente al MAS, se utilizan las mismas

frmulas de clculo de errores e intervalos de
confianza
 A partir de una poblacin N se desea extraer una
muestra de tamao n; se calcula k=N/n (intervalo
de seleccin sistemtica) y se seleccionan los n
elementos a partir de r (arranque aleatorio 0r k)
tomando r, r+k, r+2k,

El azar slo interviene en el arranque, pero siempre

es equiprobabilstico f=1/k
 Muestreo por
conglomerados
La poblacin se divide en partes o conglomerados
(Unidades de Primera Etapa, UPE); cada UPE puede
ser subdividida en Unidades de Segunda Etapa (USE)
y as sucesivamente hasta las unidades de anlisis
 M. Conglomerados
monoetpico
N2

N1

N3
M= 9 conglomerados (UPE)
m= 3

n = N1+N2+N3
 M. Conglomerados
bietpico

n2
n1

n3

M = 9 congl (UPE)

M=3
n = n1+n2+n3
 Software
Epidat 3.1 (http://dxsp.sergas.es)
Stata
R
 Bibliografa
Silva Ayaguer LC (1993). Muestreo para la
investigacin en Ciencias de la salud. Ed Daz de
Santos, Madrid.
Silva Ayaguer LC (2000). Diseo razonado de
muestras y captacin de datos para la
investigacin sanitaria. Ed Daz de Santos, Madrid.

Lwanga SK & Lemeshow S. (1991). Determinacin

del tamao de las muestras en los estudios
sanitarios. Manual prctico. OMS, Ginebra.