MUESTREO

En estadstica se conoce como muestreo a la tcnica para la seleccin de

una muestra a partir de una poblacin.
Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean
extrapolables a la poblacin. Este proceso permite ahorrar recursos, y a la vez
obtener resultados parecidos a los que se alcanzaran si se realizase un estudio de
toda la poblacin.
Cabe mencionar que, para que el muestreo sea vlido y se pueda realizar un estudio
adecuado (que consienta no solo hacer estimaciones de la poblacin sino estimar
tambin los mrgenes de error correspondientes a dichas estimaciones), debe
cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el
resultado sea una muestra representativa, pero s podemos actuar de manera que
esta condicin se alcance con una probabilidad alta.
En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la
poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al conjunto
de muestras que se pueden obtener de la poblacin se denomina espacio muestral.
La variable que asocia a cada muestra su probabilidad de extraccin, sigue la
llamada distribucin muestral.
TECNICAS DE MUESTREO ESTADISTICO
Existen dos mtodos para seleccionar muestras de poblaciones: el muestreo no
aleatorio o de juicio y el muestreo aleatorio (que incorpora el azar como recurso en el
proceso de seleccin). Cuando este ltimo cumple con la condicin de que todos los
elementos de la poblacin tienen alguna oportunidad de ser escogidos en la
muestra, si la probabilidad correspondiente a cada sujeto de la poblacin es
conocida de antemano, recibe el nombre de muestreo probabilstico. Una muestra
seleccionada por muestreo de juicio puede basarse en la experiencia de alguien con
la poblacin. Algunas veces una muestra de juicio se usa como gua o muestra
tentativa para decidir cmo tomar una muestra aleatoria ms adelante.
Muestreo probabilstico
Forman parte de este tipo de muestreo todos aquellos mtodos para los que se
puede calcular la probabilidad de extraccin de cualquiera de las muestras posibles.
Este conjunto de tcnicas de muestreo es el ms aconsejable, aunque en ocasiones
no es posible optar por l. En este caso se habla de muestras probabilistas, pues no
es correcto hablar en rigor de muestras representativas dado que, al no conocer las
caractersticas de la poblacin, no es posible tener certeza de que tal caracterstica
se haya conseguido.
Tipos
Sin reposicin de los elementos:' Cada elemento extrado se descarta para la
subsiguiente extraccin. Por ejemplo, si se extrae una muestra de una "poblacin"
de bombillas para estimar la vida media de las bombillas que la integran, no ser
posible medir ms que una vez la bombilla seleccionada.
Con reposicin de los elementos: Las observaciones se realizan con remplazo de
los individuos, de forma que la poblacin es idntica en todas las extracciones.
Con reposicin mltiple: En poblaciones muy grandes, la probabilidad de repetir
una extraccin es tan pequea que el muestreo puede considerarse con reposicin.
Para realizar este tipo de muestreo, y en determinadas situaciones, es muy til la
extraccin de nmeros aleatorios mediante ordenadores, calculadoras o tablas
construidas al efecto.

Muestreo sistemtico
Se utiliza cuando el universo o poblacin es de gran tamao, o ha de extenderse en
el tiempo. Primero hay que identificar las unidades y relacionarlas con el calendario
(cuando proceda). Luego hay que calcular una constante, que se denomina
coeficiente de elevacin:
K= N/n
Donde N es el tamao del universo y n el tamao de la muestra.

Para determinar en qu fecha se producir la primera extraccin, hay que elegir al
azar un nmero entre 1 y K; de ah en adelante tomar uno de cada K a intervalos
regulares. Ocasionalmente, es conveniente tener en cuenta la periodicidad del
fenmeno.
Esto quiere decir que si tenemos un determinado nmero de personas que es la
poblacin (N) y queremos escoger de esa poblacin un nmero ms pequeo el cual
es la muestra (n), dividimos el nmero de la poblacin por el nmero de la muestra
que queremos tomar y el resultado de esta operacin ser el intervalo, entonces
escogemos un nmero al azar desde uno hasta el nmero del intervalo, y a partir de
este nmero escogemos los dems siguiendo el orden.
Muestreo estratificado
Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se
suponen homogneos con respecto a alguna caracterstica de las que se van a
estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el
nmero de miembros del mismo que compondrn la muestra. Dentro de cada estrato
se suele usar la tcnica de muestreo sistemtico, una de las tcnicas de seleccin
ms usadas en la prctica.
Segn la cantidad de elementos de la muestra que se han de elegir de cada uno de
los estratos, existen dos tcnicas de muestreo estratificado:
Asignacin proporcional: el tamao de la muestra dentro de cada estrato es
proporcional al tamao del estrato dentro de la poblacin.
Asignacin ptima: la muestra recoger ms individuos de aquellos estratos
que tengan ms variabilidad. Para ello es necesario un conocimiento previo de la
poblacin.
Por ejemplo, para un estudio de opinin, puede resultar interesante estudiar por
separado las opiniones de hombres y mujeres pues se estima que, dentro de cada
uno de estos grupos, puede haber cierta homogeneidad. As, si la poblacin est
compuesta de un 55% de mujeres y un 45 % de hombres, se tomara una muestra
que contenga tambin esos mismos porcentajes de hombres y mujeres.
Para una descripcin general del muestreo estratificado y los mtodos de inferencia
asociados con este procedimiento, suponemos que la poblacin est dividida
en subpoblaciones o estratos de tamaos conocidos N
1
, N
2
,..., N
h
tal que las
unidades en cada estrato sean homogneas respecto a la caracterstica en cuestin.
La media y la varianza desconocidas para el i-simo estrato son denotadas
por m
i
y s
i
2
, respectivamente.
Muestreo por etapas mltiples
Esta tcnica es la nica opcin cuando no se dispone de lista completa de la
poblacin de referencia o bien cuando por medio de la tcnica de muestreo simple o
estratificado se obtiene una muestra con unidades distribuidas de tal forma que
resultan de difcil acceso. En el muestreo a estadios mltiples se subdivide la
poblacin en varios niveles ordenados que se extraen sucesivamente por medio de
un procedimiento de embudo. El muestreo se desarrolla en varias fases o
extracciones sucesivas para cada nivel.
Por ejemplo, si tenemos que construir una muestra de profesores de primaria en un
pas determinado, stos pueden subdividirse en unidades primarias representadas
por circunscripciones didcticas y unidades secundarias que seran los propios
profesores. En primer lugar extraemos una muestra de las unidades primarias (para
lo cual debemos tener la lista completa de estas unidades) y en segundo lugar
extraemos aleatoriamente una muestra de unidades secundarias de cada una de las
primarias seleccionadas en la primera extraccin.
Muestreo por conglomerados
Se utiliza cuando la poblacin se encuentra dividida, de manera natural, en grupos
que se supone que contienen toda la variabilidad de la poblacin, es decir, la
representan fielmente respecto a la caracterstica a elegir, pueden seleccionarse
slo algunos de estos grupos o conglomerados para la realizacin del estudio.
Dentro de los grupos seleccionados se ubicarn las unidades elementales, por
ejemplo, las personas a encuestar, y podra aplicrsele el instrumento de medicin a
todas las unidades, es decir, los miembros del grupo, o slo se les podra aplicar a
algunos de ellos, seleccionados al azar. Este mtodo tiene la ventaja
de simplificar la recogida de informacin muestral.
Cuando, dentro de cada conglomerado seleccionado, se extraen algunos individuos
para integrar la muestra, el diseo se llama muestreo bietpico.
Las ideas de estratos y conglomerados son, en cierto sentido, opuestas. El primer
mtodo funciona mejor cuanto ms homognea es la poblacin respecto del estrato,
aunque ms diferentes son stos entre s. En el segundo, ocurre lo contrario. Los
conglomerados deben presentar toda la variabilidad, aunque deben ser muy
parecidos entre s.
Homogeneidad de las poblaciones o sus subgrupos
Homogneo significa, en el contexto de la estratificacin, que no hay mucha
variabilidad. Los estratos funcionan mejor cuanto ms homogneos son cada uno de
ellos respecto a la caracterstica a medir. Por ejemplo, si se estudia la estatura de
una poblacin, es bueno distinguir entre los estratos mujeres y hombres porque se
espera que, dentro de ellos, haya menos variabilidad, es decir, sean menos
heterogneos. Dicho de otro modo, no hay tantas diferencias entre unas estaturas y
otras dentro del estrato que en la poblacin total.
Por el contrario, la heterogeneidad hace intil la divisin en estratos. Si se dan las
mismas diferencias dentro del estrato que en toda la poblacin, no hay por qu usar
este mtodo de muestreo. En los casos en los que existan grupos que contengan
toda la variabilidad de la poblacin, lo que se construyen son conglomerados, que
ahorran algo del trabajo que supondra analizar toda la poblacin. En resumen, los
estratos y los conglomerados funcionan bajo principios opuestos: los primeros son
mejores cuanto ms homogneo es el grupo respecto a la caracterstica a estudiar y
los conglomerados, si representan fielmente a la poblacin, esto es, contienen toda
su variabilidad, o sea, son heterogneos.
Muestreo no probabilstico
Es aqul para el que no se puede calcular la probabilidad de extraccin de una
determinada muestra. Por tal motivo, se busca seleccionar a individuos que tienen
un conocimiento profundo del tema bajo estudio y se considera que la informacin
aportada por esas personas es vital para la toma de decisiones.

Muestreo por cuotas
Es la tcnica ms difundida sobre todo en estudios de mercado y sondeos de
opinin. En primer lugar es necesario dividir la poblacin de referencia en varios
estratos definidos por algunas variables de distribucin conocida (como el gnero o
la edad). Posteriormente se calcula el peso proporcional de cada estrato, es decir, la
parte proporcional de poblacin que representan. Finalmente se multiplica cada peso
por el tamao de n de la muestra para determinar la cuota precisa en cada estrato.
Se diferencia del muestreo estratificado en que una vez determinada la cuota, el
investigador es libre de elegir a los sujetos de la muestra dentro de cada estrato.
Muestreo de bola de nieve
Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas
pero en contacto entre s. Consiste en identificar sujetos que se incluirn en la
muestra a partir de los propios entrevistados. Partiendo de una pequea cantidad de
individuos que cumplen los requisitos necesarios, servirn como localizadores de
otros con caractersticas anlogas.
Muestreo subjetivo por decisin razonada
En este caso las unidades de la muestra se eligen en funcin de algunas de sus
caractersticas de manera racional y no casual. Una variante de esta tcnica es
el muestreo compensado o equilibrado, en el que se seleccionan las unidades de tal
forma que la media de la muestra para determinadas variables se acerque a la
media de la poblacin. La cual funciona en base a referencias o por recomendacin
despus se reconoce por medio de la estadstica.
error muestral
En estadstica, error muestral o error de estimacin es el error que surge a
causa de observar una muestra en lugar de la poblacin completa.
La estimacin de un valor de inters, como la media o el porcentaje, estar
generalmente sujeta a una variacin entre una muestra y otra. Estas
variaciones en las posibles muestras de una estadstica pueden,
tericamente, ser expresadas como errores muestrales, sin embargo,
normalmente, en la prctica el error exacto es desconocido. El error muestral
se refiere en trminos ms generales al fenmeno de la variacin entre
muestras. Cuando este no es mencionado se considera que el margen de
error base es el 0.02% (0.2 para muestreo paralelo y 2 para muestreo
directo).
El error muestral deseado, generalmente puede ser controlado tomando
una muestra aleatoria de la poblacin, suficientemente grande, sin embargo,
el costo de esto puede ser limitante. Si las observaciones son tomadas de una
muestra aleatoria, la teora estadstica brinda clculos probabilsticos del
tamao deseado del error muestral para una estadstica en particular o
estimacin. Estos usualmente son expresados en trminos del error estndar.
El error muestral puede ser contrastado con el error no muestral, el cual se
refiere al conjunto de las desviaciones del valor real que no van en funcin de
la muestra escogida, entre los cuales se encuentran varios errores
sistemticos y algunos errores aleatorios. Resultan mucho ms difciles de
cuantificar que el error muestral.


MUESTRA ESTADISTICA
En estadstica, una muestra es un subconjunto de casos o individuos de
una poblacin estadstica.
Las muestras se obtienen con la intencin de inferir propiedades de la totalidad de la
poblacin, para lo cual deben ser representativas de la misma. Para cumplir esta
caracterstica la inclusin de sujetos en la muestra debe seguir una tcnica de
muestreo. En tales casos, puede obtenerse una informacin similar a la de un
estudio exhaustivo con mayor rapidez y menor coste (vanse las ventajas de la
eleccin de una muestra, ms abajo).
Por otra parte, en ocasiones, el muestreo puede ser ms exacto que el estudio de
toda la poblacin porque el manejo de un menor nmero de datos provoca tambin
menos errores en su manipulacin. En cualquier caso, el conjunto de individuos de
la muestra son los sujetos realmente estudiados.
El nmero de sujetos que componen la muestra suele ser bastante inferior a la
poblacin total, aunque suficiente grande como para que la estimacin de los
parmetros determinados tenga un nivel de confianza adecuado. Para que
el tamao de la muestra sea idneo es preciso recurrir a su clculo.
ESPACIO MUESTRAL
El espacio muestral del que se toma una muestra concreta est formado por el
conjunto de todas las posibles muestras que se pueden extraer de una poblacin
mediante una determinada tcnica de muestreo.
PARMETRO O ESTADSTICO MUESTRAL
Un parmetro estadstico o simplemente un estadstico muestral es cualquier valor
calculado a partir de la muestra, como por ejemplo la media, varianza o
una proporcin, que describe a una poblacin y puede ser estimado a partir de una
muestra. Un estadstico muestral es un tipo de variable aleatoria, y que como tal,
tiene una distribucin de probabilidad concreta, frecuentemente caracterizada por un
conjunto finito de parmetros.
ESTIMACIN
Una estimacin es cualquier tcnica para conocer un valor aproximado de un
parmetro referido a la poblacin, a partir de los estadsticos muestrales calculados
a partir de los elementos de la muestra. Si se estima el suficiente nmero de
parmetros puede aproximarse de manera razonable la distribucin de probabilidad
de la poblacin para ciertas variables aleatorias.
NIVEL DE CONFIANZA
El nivel de confianza de una aseveracin basada en la inferencia estadstica es una
medida de la bondad de la estimacin realizada a partir de estadsticos muestrales.
Usualmente se usan niveles de confianza para intervalos de confianza o bien para
valores que miden la probabilidad de errores de tipo I (probabilidad de rechazar una
cierta hiptesis siendo que esta era correcta).
Ejemplo
Se tiene una poblacin de 222.222 habitantes y se quiere conocer cuntos de ellos
son hombres y cuntos de ellos son mujeres. Se conjetura que cerca del 50% son
mujeres y el resto hombres, pero se quiere seleccionar una muestra para determinar
cuntos hombres y mujeres hay en la muestra y a partir de ah inferior el porcentaje
exacto de hombres y mujeres en la poblacin total. La descripcin de una muestra, y
los resultados obtenidos sobre ella, puede ser del tipo mostrado en el siguiente
ejemplo:
Dimensin de la poblacin: 222.222 habitantes
Probabilidad del evento: Hombre o Mujer 50%
Nivel de confianza: 90%
Desviacin tolerada: 5%
Resultado 196
Tamao de la muestra: 270
La interpretacin de esos datos sera la siguiente:
1. La poblacin a investigar tiene 222.222 habitantes y queremos saber cuntos
son hombres o mujeres.
2. Estimamos en un 50% para cada sexo y para el propsito del estudio es
suficiente un 90% de seguridad con un nivel entre 90 - 5 y 90 + 5.
3. Generamos una tabla de 270 nmeros al azar entre 1 y 222.222 y en un
censo numerado comprobamos el gnero para los seleccionados.
VENTAJAS DE LA ELECCION DE UNA MUESTRA
El estudio de muestras es preferible, en la mayora de los casos, por las siguientes
razones:
1. Si la poblacin es muy grande (en ocasiones, infinita, como ocurre en
determinados experimentos aleatorios) y, por tanto, imposible de analizar en
su totalidad.
2. Las caractersticas de la poblacin varan si el estudio se prolonga demasiado
tiempo.
3. Reduccin de costos: al estudiar una pequea parte de la poblacin, los
gastos de recogida y tratamiento de los datos sern menores que si los
obtenemos del total de la poblacin.
4. Rapidez: al reducir el tiempo de recogida y tratamiento de los datos, se
consigue mayor rapidez.
5. Viabilidad: la eleccin de una muestra permite la realizacin de estudios que
seran imposible hacerlo sobre el total de la poblacin.
6. La poblacin es suficientemente homognea respecto a la caracterstica
medida, con lo cual resultara intil malgastar recursos en un anlisis
exhaustivo (por ejemplo, muestras sanguneas).
7. El proceso de estudio es destructivo o es necesario consumir un artculo para
extraer la muestra (ejemplos: vida media de una bombilla, carga soportada
por una cuerda, precisin de un proyectil, etc.).
DESCRIPCION MATEMATICA DE UNA MUESTRA ALEATORIA
El uso de muestras para deducir fiablemente caractersticas de la poblacin requiere
que se trate con muestras aleatorias. Si la muestra estadstica considerada no
constituye una muestra aleatoria las conclusiones basadas en dicha muestra no son
fiables y en general estarn sesgadas en algn aspecto.
En trminos matemticos, dada una variable aleatoria X con una distribucin de
probabilidad F, una muestra aleatoria de tamao N es un conjunto finito
de N variables independientes, con la misma distribucin de probabilidad F.
Otra forma ms intuitiva, de entender una muestra es considerar que una muestra es
una sucesin de N experimentos independientes de una misma cantidad. Es
importante diferenciar una muestra de tamao N, o ms exactamente un muestreo
de tamao N, del resultado concreto de los N experimentos (que como conjunto de
valores fijos, en s mismo, no es una muestra). El concepto de muestra incluye de
alguna manera el procedimiento escogido para obtener los datos (es decir, si las
variables aleatorias consideradas son independientes entre s, y si tienen la misma
distribucin).
En general, resulta muy difcil comprobar si una determinada muestra es o no
aleatoria, cosa que slo puede hacerse considerando otro tipo de muestreos
aleatorios robustos que permitan decir si la primera muestra era aleatoria o no.
TAMAO DE LA MUESTRA
En estadstica el tamao de la muestra es el nmero de sujetos que componen
la muestra extrada de una poblacin, necesarios para que los datos obtenidos sean
representativos de la poblacin.
objetivos de la determinacin del tamao adecuado de una muestra.
1. Estimar un parmetro determinado con el nivel de confianza deseado.
2. Detectar una determinada diferencia, si realmente existe, entre los grupos de
estudio con un mnimo de garanta.
3. Reducir costes o aumentar la rapidez del estudio.
Por ejemplo, en un estudio de investigacin epidemiolgico la determinacin de un
tamao adecuado de la muestra tendra como objetivo su factibilidad. As:
1. Si el nmero de sujetos es insuficiente habra que modificar los criterios de
seleccin, solicitar la colaboracin de otros centros o ampliar el perodo de
reclutamiento. Los estudios con tamaos muestrales insuficientes, no son
capaces de detectar diferencias entre grupos, llegando a la conclusin
errnea de que no existe tal diferencia.
2. Si el nmero de sujetos es excesivo, el estudio se encarece desde el punto de
vista econmico y humano. Adems es poco tico al someter a ms
individuos a una intervencin que puede ser menos eficaz o incluso
perjudicial.

El tamao de una muestra es el nmero de individuos que contiene.
Una frmula muy extendida que orienta sobre el clculo del tamao de la muestra
para datos globales es la siguiente:

N: es el tamao de la poblacin o universo (nmero total de posibles
encuestados).
k: es una constante que depende del nivel de confianza que asignemos. El nivel
de confianza indica la probabilidad de que los resultados de nuestra investigacin
sean ciertos: un 95,5 % de confianza es lo mismo que decir que nos podemos
equivocar con una probabilidad del 4,5%. Los valores de k se obtienen de la
tabla de la distribucin normal estndar N (0,1).




Los valores de k ms utilizados y sus niveles de confianza son:
Valor de k 1,15 1,28 1,44 1,65 1,96 2,24 2,58
Nivel de confianza 75% 80% 85% 90% 95% 97,5% 99%
(Por tanto si pretendemos obtener un nivel de confianza del 95%
necesitamos poner en la frmula k=1,96)
e: es el error muestral deseado, en tanto por uno. El error muestral es la
diferencia que puede haber entre el resultado que obtenemos preguntando a
una muestra de la poblacin y el que obtendramos si preguntramos al total
de ella. Ejemplos:
Ejemplo 1: si los resultados de una encuesta dicen que 100 personas compraran un
producto y tenemos un error muestral del 5% comprarn entre 95 y 105 personas.
Ejemplo 2: si hacemos una encuesta de satisfaccin a los empleados con un error
muestral del 3% y el 60% de los encuestados se muestran satisfechos significa que
entre el 57% y el 63% (60% +/- 3%) del total de los empleados de la empresa lo
estarn.
Ejemplo 3: si los resultados de una encuesta electoral indicaran que un partido iba a
obtener el 55% de los votos y el error estimado fuera del 3%, se estima que el
porcentaje real de votos estar en el intervalo 52-58% (55% +/- 3%).
p: proporcin de individuos que poseen en la poblacin la caracterstica de
estudio. Este dato es generalmente desconocido y se suele suponer que
p=q=0.5 que es la opcin ms segura.
q: proporcin de individuos que no poseen esa caracterstica, es decir, es 1-p.
n: tamao de la muestra (nmero de encuestas que vamos a hacer).
Altos niveles de confianza y bajo margen de error no significan que la encuesta
sea de mayor confianza o est ms libre de error necesariamente; antes es
preciso minimizar la principal fuente de error que tiene lugar en la recogida de
datos. Para calcular el tamao de la muestra suele utilizarse la siguiente
frmula:

Otra frmula para calcular el tamao de la muestra es:
n= (N^2 Z^2)/ ((N-1) e^2+^2 Z^2 )
Dnde: n = el tamao de la muestra.
N = tamao de la poblacin.
= Desviacin estndar de la poblacin, 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 relacin al 95% de confianza equivale a 1,96
(como ms usual) o en relacin al 99% de confianza equivale 2,58, valor que
queda a criterio del encuestador.
e = Lmite aceptable de error muestral que, generalmente cuando no se tiene
su valor, suele utilizarse un valor que vara entre el 1% (0,01) y 9% (0,09), valor
que queda a criterio del encuestador.

Ejemplo ilustrativo: Calcular el tamao de la muestra de una poblacin de 500
elementos con un nivel de confianza del 99%
Solucin: Se tiene N=500, para el 99% de confianza Z = 2,58, y como no se
tiene los dems valores se tomar =0,5, y e = 0,05.
Reemplazando valores en la frmula se obtiene:
n= (N^2 Z^2)/((N-1) e^2+^2 Z^2 )
n=(5000,5^22,58^2)/
((500-1)(0,05)^2+0,5^22,58^2)=832,05/2,9116=285,77
n=286
Estimacin de parmetros
La estimacin de parmetros consiste en el clculo aproximado del valor de un
parmetro en la poblacin, utilizando la inferencia estadstica, a partir de los
valores observados en la muestra estudiada. Para el clculo del tamao de la
muestra en una estimacin de parmetros son necesarios los conceptos de
Intervalo de confianza, variabilidad del parmetro, error, nivel de confianza,
valor crtico y valor (vase estimacin por intervalos).
Estimacin de una proporcin
Los datos que tenemos que incluir en la frmula para calcular el nmero de
sujetos necesarios de la muestra (N) son:
1. Z
/2
: valor de Z correspondiente al riesgo fijado. El riesgo fijado
suele ser 0,05 y Z
/2
de 1,96.
2. P: Valor de la proporcin que se supone existe en la poblacin.
3. i: Precisin con que se desea estimar el parmetro ( es la amplitud
del intervalo de confianza).
Estimacin de una media
Los datos que tenemos que incluir en la frmula para calcular el nmero de
sujetos necesarios en la muestra (N) son:
1. Z
/2
: valor de Z correspondiente al riesgo fijado. El riesgo fijado
suele ser 0,05 y Z
/2
de 1,96.
2. : Varianza de la distribucin de la variable cuantitativa que se supone
que existe en la poblacin.
3. : Precisin con que se desea estimar el parmetro ( es la amplitud
del intervalo de confianza).
CONTRASTE DE HIPTESIS
Para conocer el tamao de la muestra en un estudio de investigacin en el que
queremos conocer las diferencias existentes entre dos hiptesis, debemos
conocer previamente:
error tipo I y tipo II: Hay que establecer el riesgo de cometer un error de tipo
I que se est dispuesto a aceptar. Normalmente de forma arbitraria se acepta
un riesgo del 5%. Adems hay que establecer el riesgo que se acepta de
cometer un error tipo II, que suele ser entre el 5 y el 20%.
Si la hiptesis es unilateral o bilateral: El planteamiento de una hiptesis
bilateral o "de dos colas" requiere mayor tamao muestral.
Definir la Magnitud de la diferencia efecto o asociacin que se desea
detectar: A mayores diferencias preestablecidas en el planteamiento de la
hiptesis, menor tamao muestral, y a menor diferencia, mayor espacio
muestral.
Conocer la variabilidad del criterio de evaluacin en la poblacin.
Comparacin de dos proporciones
Para calcular el nmero de sujetos necesarios en cada una de las muestras (n),
debemos prefijar:
1,96 = Valor Z correspondiente al riesgo deseado
1,96 = Valor Z correspondiente al riesgo deseado, si es de dos colas.
0,13 = Valor de la proporcin en el grupo de referencia, placebo, control o
tratamiento habitual.
0,44 = Valor de la proporcin en el grupo del nuevo tratamiento, intervencin
o tcnica.
0,29 = Media de las dos proporciones y .
Coeficiente de correlacin
La asociacin entre dos variables cuantitativas necesita normalmente la
utilizacin del coeficiente de correlacin r de Pearson.
PASOS PARA REUNIR LA MUESTRA DE INVESTIGACIN ADECUADA
1. En primer lugar, el investigador debe definir claramente la poblacin objetivo.
En investigacin, la poblacin es un grupo determinado de personas u objetos que
posee la caracterstica que se cuestiona en un estudio. Para poder definir
claramente la poblacin objetivo, el investigador debe identificar todas las
cualidades especficas comunes a todas esas personas u objetos.
Una poblacin puede ser tan simple como todos los ciudadanos de California o
puede ser especfica, como todos los estudiantes secundarios varones de 17 aos
de edad con asma que hayan estado tomando broncodilatadores desde los 12
aos.
2. Definir la poblacin accesible teniendo en cuenta el tiempo, el presupuesto y la
mano de obra del investigador.
Este proceso ayudar a los investigadores a tener una idea concreta sobre la
muestra que pueden obtener de la poblacin.
Si el investigador tiene mucho tiempo, fondos y mano de obra, puede optar por
realizar el estudio con una muestra completamente aleatoria, pero si el dinero, el
tiempo y la mano de obra son limitados, el investigador puede elegir usar
el muestreo por conveniencia.
Igualmente, el tipo de muestreo de poblacin debe depender del diseo y
la pregunta de investigacin.
3. Destinar el dinero, tiempo y mano de obra disponibles para el reclutamiento.
GENERALIZACIN DE RESULTADOS
Los resultados de la muestra pueden ser generalizados para hablar de toda la
poblacin de donde se tom la muestra antes mencionada.

MUESTREO DE POBLACIN
La muestra resultante debe ser representativa de la poblacin para garantizar una
generalizacin precisa.