Población y Tipos de Muestreo
Población y Tipos de Muestreo
Población y Tipos de Muestreo
MATERIA :
BIOESTADISTICA
En muestreo se entiende por población a la totalidad del universo que interesa considerar, y que
es necesario que esté bien definido para que se sepa en todo momento que elementos lo
componen.
No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre población teórica:
conjunto de elementos a los cuales se quieren extrapolar los resultados, y población estudiada:
conjunto de elementos accesibles en nuestro estudio.
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.
Concepto de muestreo
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 de la
población. Para que una muestra sea representativa, y por lo tanto útil, debe de reflejar las
similitudes y diferencias encontradas en la población, ejemplificar las características 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. La Población Los
estadísticos usan la palabra población para referirse no sólo a personas si no a todos los
elementos que han sido escogidos para su estudio. b. Muestra Los estadísticos emplean la palabra
muestra para describir una porción escogida de la población. Matemáticamente, podemos
describir muestras y poblaciones al emplear mediciones como la Media, Mediana, la moda, la
desviación estándar. Cuando éstos términos describen una muestra se denominan estadísticas.
Una estadística es una característica de una muestra, los estadísticos emplean letras latinas
minúsculas para denotar estadísticas y muestras. 2. - 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 probabilísticos y métodos de muestreo no
probabilísticos.
Terminología
Población objeto: conjunto de individuos de los que se quiere obtener una información.
Unidades de muestreo: número de elementos de la población, no solapados, que se van a
estudiar. Todo miembro de la población pertenecerá a una y sólo una unidad de muestreo.
Unidades de análisis: objeto o individuo del que hay que obtener la información.
Marco muestral: lista de unidades o elementos de muestreo.
Muestra: conjunto de unidades o elementos de análisis sacados del marco.
Muestreo probabilístico
Los métodos de muestreo probabilísticos 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 probabilísticos nos aseguran la representatividad de la muestra extraída y son, por
tanto, los más recomendables. Dentro de los métodos de muestreo probabilísticos encontramos
los siguientes tipos:
El método otorga una probabilidad conocida de integrar la muestra a cada elemento de la
población, y dicha probabilidad no es nula para ningún elemento.
Este procedimiento exige, como el anterior, numerar todos los elementos de la población, pero
en lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese número aleatorio i,
que es un número elegido al azar, y los elementos que integran la muestra son los que ocupa los
lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos de k en k, siendo k el
resultado de dividir el tamaño de la población entre el tamaño de la muestra: k= N/n. El número i
que empleamos como punto de partida será un número al azar entre 1 y k.
El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la población ya
que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos
introducir una homogeneidad que no se da en la población. Imaginemos que estamos
seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y
los 5 últimos mujeres, si empleamos un muestreo aleatorio sistemático con k=10 siempre
seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una representación de los dos
sexos.
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y
suelen reducir el error muestral para un tamaño dado de la muestra. Consiste en considerar
categorías típicas diferentes entre sí (estratos) que poseen gran homogeneidad respecto a alguna
característica (se puede estratificar, por ejemplo, según la profesión, el municipio de residencia,
el sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que
todos los estratos de interés estarán representados adecuadamente en la muestra. Cada estrato
funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o
el estratificado para elegir los elementos concretos que formarán parte de la muestra. En
ocasiones las dificultades que plantean son demasiado grandes, pues exige un conocimiento
detallado de la población. (Tamaño geográfico, sexos, edades,...).
Afijación Optima: Se tiene en cuenta la previsible dispersión de los resultados, de modo que se
considera la proporción y la desviación típica. Tiene poca aplicación ya que no se suele conocer
la desviación.
Muestreo aleatorio por conglomerados:
Los métodos presentados hasta ahora están pensados para seleccionar directamente los elementos
de la población, es decir, que las unidades muéstrales son los elementos de la población.
Bibliografía
Carrasco JL. El método estadístico en la investigación médica. 5ª ed. Madrid. Editorial Ciencia.
Hulley SB, Cummings SR. Diseño de la investigación clínica. Ed Doyma. Barcelona 1993.
Kelsey IL, Thompson WD, Evans A. Methods in observational epidemiology. New York.
Oxford University Press 1986.
Mira JJ, Gómez J, Aranaz J, Pérez E. Auditoría de historias clínicas: ¿Cuál es el tamaño
adecuado de la muestra?. Todo Hospital 1997; octubre: 58-64.