UNIVERSO, POBLACION,

MUESTRA Y MUESTREO

Importancia de la
muestra para la
1
inferencia estadística
Paulina Ríos
MD, MPH, Magister Epidemiología

19/11/201
8
 Conceptos básicos:
 Población: (N)

Morphol. vol.31 no.4 Temuco dic. 2013

Conducir una Investigación. Int. J.
Manterola Carlos, Otzen Tamara., Porqué Investigar y Cómo
 Conjunto de todos los individuos sobre que se desea estudiar alguna
propiedad o característica.
 Muestra:
 Subconjunto de la población, y, por lo tanto debe ser representativa
de ella, y elegido mediante algún criterio.
 Unidad de estudio:
 Individuo, familia, experimento, etc.. Elementos que forman la
población
Estimación
puntual de un
parámetro
 El parámetro
poblacional es
frecuentemente un
valor desconocido
que solo puede ser
estimado usando
los datos obtenidos
de una Muestra

3
4 Por qué muestrear?

 Costo
 Tiempo
 La “precisión” que se ganaría al trabajar con el
universo, no compensa el costo y el tiempo

19/11/201
8
Pasos para un muestreo
5
1. Definir la información que se requiere
2. Determinar la población a muestrear
 Cumple con los objetivos planteados?
 Cobertura temporal o geográfica? Es finita o infinita?
 Unidad de estudio: individuos, grupos, establecimientos, etc.
3. Método para tomar la muestra
 Muestreo aleatorio
 Muestreo no aleatorio
4. Tamaño de la muestra
 Fiabilidad requerido y costo
5. Formas de obtener la información
6. Uso de la muestra para hacer inferencias y conclusiones
acerca de la población
 Análisis descriptivo y estadística inferencial, estimaciones por
intervalos, gráficas, y conclusiones del estudio
19/11/201
8
Métodos para tomar la
muestra
 Probabilístico. Selección aleatorizada de las unidades
de muestreo, otorga la probabilidad de selección,
calculo de estimadores y error, permite inferencias
objetivas.

Martinez, 2004
7 Métodos para tomar la
muestra
 No probabilístico
No permite hacer inferencias, se desconoce su
error.
Muestreo intencional o por conveniencia

19/11/201
8
 Muestreo aleatorio
simple

Muestreo aleatorio
Muestreo aleatorio
estratificado
sistemático
 9 Tipos de error (en el muestreo)
 Error sistemático ajeno al muestreo:
 Mala recolección de la información
 Mala elaboración del instrumento → respuestas falsas
 Falta de respuestas
 Sesgo de selección
 Errores de tabulación y cálculo
 Error asistemático, de muestreo, de azar o de estimación
 Dado que nunca observamos a toda la población, nunca vamos a
saber el verdadero valor del parámetro
 La magnitud depende del tamaño de la muestra y la desviación
estándar del estimador
 Error inevitable o … como podemos minimizarlo?

19/11/201
8
10 Tamaño de la muestra para
hacer inferencias
 Que tan exacto o preciso deseo que sea el estimador del
parámetro desconocido?

 Qué tan cerca se encuentran las distintas mediciones?

 Qué tan cerca se encuentra el valor real? 19/11/201
8
Distribuciones de probabilidad
según su variable

 DISTRIBUCIONES DE VARIABLES DISCRETAS O DE

CONTEO:
 BINOMIAL: indica la probabilidad de “éxito o fracaso”
 POISSON: mide la probabilidad de un suceso en tiempo o en
espacio

 DISTRIBUCIONES DE VARIABLES CONTINUAS

(MEDICIONES):
 NORMAL: pemite modelar las medias muestrales (medias y
varianzas conocidas)
 T de Student: cuando hay normalidad en 2 muestras
independientes, se puede examinar diferencias entre ellas
(poblaciones < 30 individuos)
Tamaño de la muestra e inferencia

Ejemplo: pesos de una MUESTRA de aves

Ejemplo: pesos de una MUESTRA de aves
 Teorema central del límite
(TCL):
 Si es el promedio de una
variable aleatoria de tamaño n,
entonces:

 Si los datos no tienen

distribución normal, pero el
tamaño muestral es lo
suficientemente grande
(habitualmente > o =30)
Una distribución B(n,p) puede entenderse como la suma de n
binomiales B(1,p), luego aplicando el TCL, si n es grande la
distribución B(n,p) se puede aproximar por una normal que tiene
como media a np y como varianza npq.
Tipo de distribución y pruebas estadísticas
 Tamaño de la muestra e inferencia
 Nivel de confianza:
 Probabilidad de que la estimación efectuada, se ajuste a la realidad
(ley de probabilidad)
 Probabilidad de que el intervalo construido en torno al estadístico,
capte el verdadero valor del parámetro. De ahí que en términos
numéricos dicho nivel o probabilidad haya de tomar un valor alto
(0.9,0.95,0.99).
 90%, 95%, 99%

Nivel de confianza: 1- α α es la “significancia” azar

 1- 0,01= 0,99 = 99%  α= 1% valor Z= 2,57

 1- 0,05= ……= …..%  α= 5% valor Z = 1,96

 1- 0,10= ….. = …..%  α= 10% valor Z = 1,64

 Hipótesis
 Unilateral (valor de Z)
 Bilateral (valor de Z)
Tamaño de la muestra e inferencia

 Variabilidad (varianza poblacional)

 Dispersión esperada de los datos. Depende de la variable de interés:
 Cuanti continua: la que tenga mayor coeficiente de variación (S/promedio)

 Categórica: la que mas se acerque a 0,5

 Error muestral:
 Diferencia entre el estadístico y su parámetro.

 Tipos de error:
 Error tipo I
 Error tipo II

 Poder estadístico
 Probabilidad de que un estudio del tamaño “n” detecte una diferencia
significativa que realmente existe
 Beta= 80% (mínimo aceptado)

 Diseño empleado en la investigación (tamaño fijo o variable) para

estimar media poblacional o proporción poblacional
Recordemos…
 𝑁𝜎 2 𝑍 2
𝑛=
27 𝑁 − 1 𝑒2 + 𝜎 2𝑍2

 n = el tamaño de la muestra.
 N = tamaño de la población.
 𝜎 = Desviación estándar de la población que, generalmente
cuando no se tiene su valor, suele utilizarse un valor constante de
0,5.
 Z = Valor obtenido mediante niveles de confianza. Es un valor
constante que, si no se tiene su valor, se lo toma en relación
al 95% de confianza equivale a 1,96 (como más usual) o en
relación al 99% de confianza equivale 2,58, valor que queda
a criterio del investigador.
 e = Límite aceptable de error muestral que, generalmente
cuando no se tiene su valor, suele utilizarse un valor que varía
entre el 1% (0,01) y 9% (0,09), valor que queda a criterio del
encuestador.

19/11/201
Suarez, 2011 8
28 Ejercicio
De un total de 100 embarazadas, la probabilidad de que salga
hombre es del 50%, con un error del 0,05% y una confianza del 95%,
calcule el tamaño muestral:

Elementos de la 𝑁𝜎 2 𝑍 2
fórmula 𝑛=
𝑁 − 1 𝑒2 + 𝜎 2𝑍2
n=
N=
𝜎 100 ∙ 0,52 ∙ 1,962
Z= 𝑛=
0,052 100 − 1 + 0,52 ∙ 1,962
e=
cuadrad
o
𝜎 0
Z= 0 𝑁𝜎 2 𝑍 2 19/11/201
𝑛= Suarez, 2011
e= 0 𝑁 − 1 𝑒2 + 𝜎 2𝑍2 8

N -1=
Muestreo Aleatorio Simple

 Para efectuar este tipo de muestreo en

una población con N individuos:
 Numeramos de 1 a N los N individuos de
la población.
 Mediante un programa de ordenador o
una tabla de generación de números
aleatorios, seleccionamos a los n
individuos que formarán la muestra.
Después de cada extracción el
individuo seleccionado se devuelve a la
población para que pueda volver a ser
elegido.
Muestreo Aleatorio Estratificado

 Cuando la población no es homogenea respecto a la

variable aleatoria objeto de estudio, para mejorar las
estimaciones, conviene distinguir en ella, clases o
estratos, y proceder a lo que se llama un muestreo
aleatorio estratificado. En este tipo de muestreo los
estratos se deben elegir de manera que sean lo más
homogeneos posible respecto a la variable aleatoria
a estudiar y que entre ellos exista la mayor diferencia
posible.
 Una vez determinado el número de individuos que
deben pertenecer a cada estrato, se procede a la
selección de individuos de cada estrato por muestreo
aleatorio simple.
Muestreo aleatorio
sistemático
 Se elige el primer individuo al azar y el resto viene
condicionado por aquel
 Ventajas: no es necesario disponer de un marco de
encuesta elaborado
 Considerar no una misma periodicidad, ejemplo: un
mismo dia la semana para elegir a los individuos
BIBLIOGRAFIA ADICIONAL:
 Muestreo en poblaciones finitas. Antonio Morillas.
http://webpersonal.uma.es/~morillas/muestreo.pdf
 Cálculo del tamaño de la muestra en investigación en educación
médica. José AntonioGarcía-GarcíaArturoReding-BernalJuan
CarlosLópez-Alvarenga.
http://www.sciencedirect.com/science/article/pii/S2007505713727157
 Tamaño muestral en estudios biomédicos. Gastón Duffau.
http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0370-
41061999000400009

Ejercicios:
 Ejercicios página 128 y 129
 Ver calculadoras muestrales ejemplo
36 Bibliografía de la
presentación
 http://www.dpye.iimas.unam.mx/patricia/muestreo/notas/muestreo1.
pdf
 http://mey.cl/apuntes/muestrasunab.pdf
 http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1692-
72732006000200008
 https://www.medena.es/es/comun/fichero.asp?id=53
 http://www.web.facpya.uanl.mx/rev_in/Revistas/4.1/A3.pdf
 Suarez M., Tapia F.;(2011), Interaprendizaje de Estadística Básica,
Ibarra, Ecuador.
 Martínez A., Muñoz J., Acosta A.;(2004); Tamaño de muestra y
precisión estadística; Universidad de Almeria; España
 Manterola C., Otzen T.;(2013); Porqué Investigar y Cómo Conducir una
Investigación. Int. J. Morphol. vol.31 no.4 Temuco, Chile
 http://www.bioestadistica.uma.es/baron/bioestadistica.pdf

19/11/201
8
EJEMPLO
PRÁCTICO