UNIVERSO Y

MUESTRA
UNIVERSO :
Es todo el conjunto de fenmenos,
cosas ypersonas que estn
incluidos en el estudio. El universo
no se puede abordar por completo
porque es imposible y es muy
amplio. Para poder contrastar una
hiptesis se extrae una muestra de
ese universo que servir como
muestra del universo que es objeto
de estudio.

MUESTRA

Es un subconjunto o parte del universo o

poblacin en que se llevara a cabo la
investigacin con el fin de generalizar los
hallazgos al todo.

UNIDAD DE OBSERVACIN
Son

los elementos del

universo en que se
medirn o estudiaran las
variable de inters.

UNIDAD DE MUESTREO

Es el elemento utilizado para seleccionar la muestra, en

muchos casos la unidad de observacin y la de anlisis
son las mismas pero hay casos en que no lo son.

EL MUESTREO
Se refiere al proceso utilizado para escoger y extraer una
parte del universo o poblacion de estudio con el fin de
que represente al total.
Es cualquier subgrupo de una poblacin que constituye
una muestra, no todos son representativos de ella y
tampoco tienen la misma probabilidad de ser escogidos

Tipos de Muestreo
Muestreo se refiere el proceso para
escoger o extraer una parte del
universo, no todos son representativos
de ellas tampoco tienen la misma
probabilidad por eso se habla de
probabilidad y la no probabilidad.

TIPOS DE MUESTREO

PROBABILISTICO
Aleatosio simple
Sistemtico
Estratificado
Conglomerado

NO PROBABILSTICO
Por conveniencia
Por cuotas.

I. Muestreo probabilstico

Los mtodos de muestreo probabilsticos 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 tamao n tienen la misma
probabilidad de ser seleccionadas.
Slo estos mtodos de muestreo probabilsticos nos
aseguran la representatividad de la muestra extrada y
son, por tanto, los ms recomendables.
Dentro de los mtodos de muestreo probabilsticos
encontramos los siguientes tipos:

Muestreo aleatorio simple

Muestreo aleatorio simple.- Cada unidad

tiene la probabilidad equitativa de ser
incluida en la muestra ya sea por sorteo, o
rifa ejemplo. Colocando en un recipiente
fichas o tarjetas que con que contienen
nombres o nmeros que correspondan a
cada unidad del muestreo

Muestreo aleatorio simple

El procedimiento empleado es el siguiente: 1) se

asigna un nmero a cada individuo de la poblacin
y 2) a travs de algn medio mecnico (bolas
dentro de una bolsa, tablas de nmeros aleatorios,
nmeros aleatorios generados con una calculadora
u ordenador, etc.) se eligen tantos sujetos como
sea necesario para completar el tamao de
muestra requerido.

Este procedimiento, atractivo por su simpleza,

tiene poca o nula utilidad prctica cuando la
poblacin que estamos manejando es muy grande.

Muestreo aleatorio simple

Muestreo Sistemtico

Este tipo de muestreo es similar a la

aleatoria simple, en donde cada unidad del
universo tiene igual probabilidad de ser
seleccionada, averiando el proceso de
seleccin de la muestra

Muestreo Sistemtico

Este procedimiento exige, como el anterior, numerar

todos los elementos de la poblacin, pero en lugar de
extraer n nmeros aleatorios slo se extrae uno.
Se parte de ese nmero aleatorio i, que es un
nmero 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 tamao de
la poblacin entre el tamao de la muestra: k= N/n.
El nmero i que empleamos como punto de partida
ser un nmero al azar entre 1 y k.

Muestreo Sistemtico

El riesgo este tipo de muestreo est en los casos en

que se dan periodicidades en la poblacin 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 poblacin.

Imaginemos que estamos seleccionando una muestra

sobre listas de 10 individuos en los que los 5 primeros
son varones y los 5 ltimos mujeres, si empleamos un
muestreo aleatorio sistemtico con k=10 siempre
seleccionaramos o slo hombres o slo mujeres, no
podra haber una representacin de los dos sexos.

Muestreo Sistemtico

Muestreo Estratificado
Estrato, se caracteriza por la subdivisin de
la poblacin en subgrupos o estratos.
Ejemplo.
Presin arterial, se extrae la muestra en el
grupo por sexos femenino y masculino, este
muestreo logra mayor representatividad.

Muestreo Estratificado

Trata de obviar las dificultades que presentan

los anteriores ya que simplifican los procesos
y suelen reducir el error muestral para un
tamao dado de la muestra.
Consiste en considerar categoras tpicas
diferentes entre s (estratos) que poseen
gran homogeneidad respecto a alguna
caracterstica (se puede estratificar, por
ejemplo, segn la profesin, el municipio de
residencia, el sexo, el estado civil, etc.).

Muestreo Estratificado

Lo que se pretende con este tipo de muestreo es

asegurarse de que todos los estratos de inters
estarn 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 formarn parte de la muestra.
En ocasiones las dificultades que plantean son
demasiado grandes, pues exige un conocimiento
detallado de la poblacin. (Tamao geogrfico, sexos,
edades,...).

Muestreo Estratificado

La distribucin de la muestra en funcin de los diferentes

estratos se denomina afijacin, y puede ser de diferentes
tipos:

Afijacin Simple: A cada estrato le corresponde igual

nmero de elementos mustrales.

Afijacin Proporcional: La distribucin se hace de acuerdo

con el peso (tamao) de la poblacin en cada estrato.

Afijacin Optima: Se tiene en cuenta la previsible dispersin

de los resultados, de modo que se considera la proporcin y
la desviacin tpica. Tiene poca aplicacin ya que no se suele
conocer la desviacin.

Muestreo Estratificado

Muestreo aleatorio por

conglomerados:

Este tipo de muestreo se usa en particular cuando no se

dispone de una lista .
Los mtodos presentados hasta ahora estn pensados
para seleccionar directamente los elementos de la
poblacin, es decir, que las unidades mustrales son los
elementos de la poblacin.

Consideraciones especiales para la investigacin

cualitativa:
El cual se estudiara con profundidad a un fin que sea valido.
Muestreo de casos extremos o inusuales.
Muestreo de mxima variabilidad.
Muestreo homognea

Muestreo aleatorio por

conglomerados:

En el muestreo por conglomerados la unidad muestral es un

grupo de elementos de la poblacin que forman una unidad, a la
que llamamos conglomerado.
Las unidades hospitalarias, los departamentos universitarios,
una caja de determinado producto, etc., son conglomerados
naturales.
En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los
conglomerados son reas geogrficas suele hablarse de
"muestreo por reas".
El muestreo por conglomerados consiste en seleccionar
aleatoriamente un cierto numero de conglomerados (el
necesario para alcanzar el tamao muestral establecido) y en
investigar despus todos los elementos pertenecientes a los
conglomerados elegidos.

inmunoprevenibles nacional 1 semestre.csv

II. Mtodos de muestreo no

probabilsticos
A veces, para estudios exploratorios, el muestreo
probabilstico resulta excesivamente costoso y se
acude a mtodos no probabilsticos, aun siendo
conscientes de que no sirven para realizar
generalizaciones (estimaciones inferenciales sobre
la poblacin), pues no se tiene certeza de que la
muestra extrada sea representativa, ya que no
todos los sujetos de la poblacin tienen la misma
probabilidad de se elegidos.
En general se seleccionan a los sujetos siguiendo
determinados criterios procurando, en la medida
de lo posible, que la muestra sea representativa.

II. Mtodos de muestreo no

probabilsticos

En algunas circunstancias los mtodos

estadsticos y epidemiolgicos permiten
resolver los problemas de representatividad
aun en situaciones de muestreo no
probabilstico, por ejemplo los estudios de
caso-control, donde los casos no son
seleccionados aleatoriamente de la poblacin.

Entre los mtodos de muestreo no

probabilsticos ms utilizados en investigacin
encontramos:

II. Mtodos de muestreo no

probabilsticos

1.- Muestreo por cuotas

Tambin denominado en ocasiones
"accidental". Se asienta generalmente sobre
la base de un buen conocimiento de los
estratos de la poblacin y/o de los individuos
ms "representativos" o "adecuados" para
los fines de la investigacin.
Mantiene, por tanto, semejanzas con el
muestreo aleatorio estratificado, pero no
tiene el carcter de aleatoriedad de aqul.

II. Mtodos de muestreo no

probabilsticos
Muestreo por cuotas
. En este tipo de muestreo se fijan unas
"cuotas que consisten en un nmero de
individuos que renen unas determinadas
condiciones, por ejemplo:
20 individuos de 25 a 40 aos, de sexo
femenino y residentes en Sauces. Una vez
determinada la cuota se eligen los primeros
que se encuentren que cumplan esas
caractersticas. Este mtodo se utiliza mucho
en las encuestas de opinin.

II. Mtodos de muestreo no

probabilsticos

2.- Muestreo intencional o de

conveniencia: Este tipo de muestreo se
caracteriza por un esfuerzo deliberado de
obtener muestras "representativas"
mediante la inclusin en la muestra de
grupos supuestamente tpicos.

Es muy frecuente su utilizacin en sondeos

preelectorales de zonas que en anteriores
votaciones han marcado tendencias de
voto.

II. Mtodos de muestreo no

probabilsticos

2.- Muestreo intencional o de

conveniencia: Tambin puede ser que el
investigador seleccione directa e
intencionadamente los individuos de la
poblacin.

El caso ms frecuente de este

procedimiento el utilizar como muestra los
individuos a los que se tiene fcil acceso
(los profesores de universidad emplean con
mucha frecuencia a sus propios alumnos).

II. Mtodos de muestreo no

probabilsticos
3.- Bola de nieve:
Se localiza a algunos individuos, los cuales
conducen a otros, y estos a otros, y as
hasta conseguir una muestra suficiente.

Este tipo se emplea muy frecuentemente

cuando se hacen estudios con poblaciones
"marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.

II. Mtodos de muestreo no

probabilsticos
4.- Muestreo Discrecional
A criterio del investigador los elementos son
elegidos sobre lo que l cree que pueden
aportar al estudio.

Ventajas e inconvenientes de los distintos

tipos de muestreo probabilstico

 TAMAO

DE LA MUESTRA

Los objetivos ms frecuentes que nos

podemos plantear son:
- Conocer la prevalencia o incidencia de una
enfermedad en una poblacin
- Determinar si una enfermedad est
presente o no en una poblacin
- Realizar un estudio epidemiolgico

Cuando se pretende realizar una encuesta

epidemiolgica para determinar la cantidad
de enfermedad presente en una poblacin,
el tamao de la muestra depender de
cuatro valores:

La frecuencia esperada de
enfermedad
Basar el tamao de la muestra precisamente en el
valor que se quiere obtener con la encuesta puede
parecer de entrada un contrasentido. Sin embargo, si
planteamos una encuesta desde el punto de vista del
mtodo cientfico, es decir, si planteamos una hiptesis
en relacin a la cantidad de enfermedad que se espera
encontrar, para mediante el trabajo posteriorcomprobar o rechazar la hiptesis, este aparente
contrasentido ya no tiene lugar.
Por tanto, cuando se quiere conocer la prevalencia de
una enfermedad no podemos partir de a ver que sale
sino que debemos partir de mi hiptesis es que hay un
n% de enfermedad, voy a comprobarlo

El tamao de la poblacin

El tamao de la poblacin va a afectar el

tamao de la muestra, especialmente si la
poblacin no es excesivamente grande

La precisin exigida

La cantidad de enfermedad que se obtendr

mediante la encuesta debe extrapolarse
posteriormente a la poblacin general de la
que se ha obtenido la muestra. Esta
extrapolacin conlleva un cierto error o falta
de precisin, es decir la muestra nos va a
indicar ms o menos la enfermedad
presente en la poblacin. La precisin es la
cuantificacin de este ms o menos con el
que podremos conocer la cantidad de
enfermedad en la poblacin.

El nivel de confianza

Cuando se extrapolan unos datos y se establece una

precisin, existe la posibilidad de que la cantidad de
enfermedad en la poblacin general no est comprendida
en el intervalo indicado, la probabilidad de que el valor de la
variable est comprendido dentro de dicho intervalo es el
nivel de confianza,

El nivel de confianza es la probabilidad de que el

parmetro a estimar se encuentre en el intervalo de
confianza.
El nivel de confianza (p) se designa mediante 1 , y se
suele tomar en tanto por ciento.
Los niveles de confianza ms usuales son: 90%; 95% y 99%.

Para estimar el tamao de muestra necesario para

realizar una encuesta epidemiolgica se debe de
aplicar la siguiente frmula:

n= Tamao de la muestra,
z= 1,96 para el 95% de confianza, 2,56 para el 99%
p= Frecuencia esperada del factor a estudiar
q= 1- p
B= Precisin o error admitido

El valor de n obtenido por esta frmula

indica el tamao de la muestra para una
poblacin infinita, a efectos prcticos se
considera poblacin infinita cuando la
muestra supone menos del 5% de la
poblacin total.
Cuando la poblacin es pequea, la muestra
obtenida mediante esta ltima frmula es
demasiado grande, en estos casos se debe
aplicar la siguiente frmula correctora:

n'= Tamao de la muestra necesario

n= Tamao de la muestra segn la
primera de las frmulas
N= Tamao de la poblacin

Ejemplo:
Supongamos que se desea realizar una
encuesta sobre la brucelosis ovina. Se estima
una prevalencia del 15% y se requiere un 5%
de precisin sobre una poblacin de 2.000.000
de cabezas. El nivel de confianza se fija en el
95%.
El tamao de la muestra necesario para dicha
encuesta segn la frmula sera:n = 1,962 x
0,15 x 0,85 / 0,052) = 196

Por tanto, deberemos seleccionar

aleatoriamente 196 animales del total de la
poblacin.

Ello permitir, en el caso que la prevalencia

sea realmente del 15%, poder afirmar que
en el 95% de los casos, la prevalencia de la
poblacin general oscila entre el 10% y el
20% (15%+5%)

Con las mismas premisas anteriores

calcular el tamao de la muestra si se
aplicase en un
rebao de 500 cabezas.
Aplicando la correccin al resultado del
ejemplo anterior:
1 / n' = 1 / 195 + 1 / 500

de donde n' = 140