UNIVERSIDAD SAN PEDRO

FACULTAD DE MEDICINA HUMANA

ESCUELA PROFESIONAL DE MEDICINA

BIOESTADISTICA Y DEMOGRAFIA
POBLACION Y MUESTRA

19/05/2018
DOCENTE: MIGUEL ANGEL FALCON POVIS
 JUSTIFICACION
• Los estudiantes de medicina y médicos en ejercicio,
necesitan de la Estadística, por la importancia que
desempeña en el mundo científico. En el campo
específico de la Ciencias de la Salud y la Biología, se le
llama Bioestadística y resulta ser una herramienta
indispensable, debido a la complejidad de los sistemas
de salud y biológicos, asociada a la variabilidad
experimental, la cual requiere la aplicación de
matemáticas y estadísticas para recolectar, presentar,
describir, analizar datos experimentales de una manera
cuantitativa y tomar decisiones ante las diversas
situaciones y problemáticas colmadas de incertidumbre.

19/05/2018 DOCENTE: MIGUEL ANGEL

FALCON POVIS
 REQUERIMIENTOS. El estudiante debe
conocer y dominar los conceptos y
principios básicos de la matemática.

OBJETIVO. Desarrollar los conceptos

y la aplicación de Bioestadística en
problemas de salud, que permitan su
utilización en la toma de decisiones.

19/05/2018 DOCENTE: MIGUEL ANGEL

FALCON POVIS
 UNIVERSO
• Se puede usar como sinónimo de POBLACIÓN.
• El universo o población es el conjunto de elementos que
poseen una característica o más características
comunes que deben ser precisadas en el tiempo, en el
espacio. Un universo o población debe ser
inconfundible.
• El definir correctamente el universo, es condición
indispensable para :
- Seleccionar la muestra
- Realizar las generalizaciones inferenciales
Para seleccionar la muestra es necesario distinguir
2 tipos de universo : universo homogéneo y
universo heterogéneo.
A) Universo homogéneo: Cuando la variable en
estudio no presenta variabilidad, es decir que es
relativamente uniforme. Ejemplo:
• Grado de instrucción pobladores en determinada
comunidad, 2014.
• Peso de RN en el HRCH, 2014.
• Nº de calorías ingeridas por las gestantes en el Sector
San Luis, junio del 2014.
• Edad de estudiantes ingresantes a la Facultad de
Medicina USP - 2015.
 B) Universo heterogéneo: Cuando
está formado por elementos en los que la
variable de interés no es homogénea y
presenta muchas veces la posibilidad de
distribuirlo en grupos homogéneos.
Ejemplo :
• Ingreso familiar mensual en la ciudad de
Nuevo Chimbote (diciembre 2014).
• Hematocrito en las gestantes de la provincia
Del Santa (febrero 2015).
• Nro. de hijos por familia en la provincia de
Del Santa, 2014.
Para realizar generalizaciones inferenciales se
debe distinguir también 2 tipos de universo;
universo objetivo y universo muestral.
i) Universo objetivo: Está conformado por todos los
elementos sin limitaciones a través del tiempo y del espacio,
que constituye el objetivo final de la generalización inferencial
científica. Es el conjunto universal de todos los elementos a
que se refiere el dominio de estudio. Ejemplo:
• El total de enfermos de TBC pulmonar ( Peso ).
• El total de enfermos de cólera ( Volumen evacuación ).
• El tiempo de recuperación post operatorio de gestantes
cesareadas.
• La duración del período expulsivo de las primigestas en la
atención del parto.
ii) Universo muestral:
Es un subconjunto del universo objetivo que está claramente
delimitado en el espacio y en el tiempo; De sus elementos, en
la práctica, se obtiene la muestra para realizar la investigación.
Al número de elementos se denota con N.
Algunas veces tanto el universo objetivo como el universo
muestral son similares, no existe mayor dificultad para inferir
de la muestra hacia cualesquiera de ellos. Ejemplo:
• Enfermos de TBC pulmonar en la provincia de Del Santa,
2014 ( Peso ).
• Enfermos de cólera atendidos en HRCH, 2014 ( volumen de
evacuación).
• La duración del período expulsivo de las primigestas en la
atención del parto atendidas en EsSalud-Chimbote, marzo
2014.
c) Por el tamaño de la población se puede
clasificar en población finita y población infinita

i) Poblacion finita:
• Cuando se tiene un número finito de elementos; Se
puede identificar el último elemento.
ii) Población infinita
• Cuando se tiene un número muy grande de elementos;
Para efectos del muestreo una población con N
desconocido también se puede considerar infinita
Variables
 Una variable es una característica observable que varía entre
los diferentes individuos de una población. La información que
disponemos de cada individuo es resumida en variables.
 Un grupo de jóvenes se
reúnen y encontramos
algunas variables:
 El grupo sanguíneo
{A, B, AB, O}
 Su nivel de concentración
{Alto, medio, bajo}
 Número de respuestas correctas
{0,1,2,3,...}
 Ingresarán a la Universidad
{ SI, NO }
 Edad
{18, 19, 20, 21 ….}
 VARIABLES

Peso Presión arterial Análisis de Laboratorio

Satisfacción Relación médico-paciente Historia Clínica

 UNA VARIABLE ES UNA CARACTERÍSTICA, ATRIBUTO,
CONDICIÓN DE UNA PERSONA O SITUACIÓN EXPERIMENTAL
QUE VARÍA DE UNA PERSONA A OTRA; DE UNA CONDICIÓN O
DE UNA SITUACIÓN EXPERIMENTAL A OTRA.

ESTA CARACTERÍSTICA ES SUSCEPTIBLE DE TOMAR UN

VALOR Y SER MEDIDO.

Un trabajo de investigación se
¿la edad es una
centra en la opinión de las variable?
mujeres sobre los métodos
anticonceptivos ¿el sexo es una
variable?

Tipos de variables
VARIABLES CUALITATIVAS ó
CATEGÓRICAS
Expresa una cualidad, característica o
atributo que solo se pueden clasificar o
categorizar mediante el conteo.
Dependiendo del número de categorías
pueden ser dicotómicas o politómicas
Ejemplos:
Sexo, Estado Civil, Dolor, Grupo
Sanguíneo, Métodos anticonceptivos,
Profesionales de la Salud.
Ejemplos:
Sexo, Estado Civil, Dolor, Grupo
Sanguíneo, Métodos anticonceptivos,
Profesionales de la Salud.
DICOTÓMICAS:
VARIABLES siCUANTITATIVAS
sólo tienen dos categorías
ó
NUMÉRICASEj: sexo: hombre, mujer
Son variables que se expresan
numéricamente. Son susceptibles de
medirse POLITÓMICAS
si tienen más de dos categorías
Ejemplos:
Ej: profesionales: ingenieros, médi
Número de hijos, Número de camas,
nutricionistas, enfermeras
Peso, Talla, Edad, Glucosa, Colesterol,
etc.
 TIPOS DE VARIABLES

VARIABLES DICOTÓMICAS
CUALITATIVAS
O CATEGÓRICAS
POLITÓMICAS

VARIABLE CATEGÓRICA
Lavado de manos: SI - NO dicotómica
Médicos según servicios: UCI, Medicina,
Cirugía, Consulta externa politómica

Medidas de aislamiento: lavado de manos, uso

de guantes, uso mascarilla politómica

Satisfacción laboral: SI - NO dicotómica

 No admite valores
DISCRETAS intermedios
VARIABLES
CUANTITATIVAS
O NUMÉRICAS Admite valores
CONTINUAS intermedios entre
dos
unidades de
medida

VARIABLE CUANTITATIVAS
Número de eventos adversos: 3, 5, 2, discreta
Peso de 50 pacientes continua
Número de camas para hospitalización: discreta
15, 20, 32 ……………………..
Perímetro cefálico de 100 recién nacidos continua
Nº Variables Naturaleza de la
variable

1 Agentes causantes de quemaduras: físicas, químicas Cualitativa

2 Valores de presión arterial en mmHg: 120, 140, 100

Cuantitativa continua

Valores de glucosa en sangre de 100 niños escolares:

3 Cuantitativa continua
86,0; 74,5; 77,5…………………

4 Servicios hospitalarios: medicina, pediatría, neurología Cualitativa

5 Tipo de parto: eutócico, distócico Cualitativa

6 Número de centros de salud por distritos: 10,12,5,8 Cuantitativa discreta

7 Temperatura en grados centígrados: 36.5, 37.6, 38.2 Cuantitativa continua

8 Niveles de pobreza: alto, medio, bajo Cualitativa

9 Presión Arterial (mm de Hg): 90,100,110,120,130,140 Cuantitativa continua

Presión Arterial: sobre el promedio, en el promedio;

10 debajo del promedio Cualitativa ordinal
Tema 2.- Variables 16
3. CLASIFICACION DE LA VARIABLE

Existen criterios de clasificación

a) Por su naturaleza
i) Variable cualitativa: Es observable, y solo
pueden expresarse en categorías o clases.
ii) Variable cuantitativa (Numerica): Es medible
y puede expresarse con datos numéricos
b) Por su relación de dependencia
Cuando en una investigación se desea
establecer la relación entre dos o más
variables:
i) Variable independiente: Es la que se
supone es la causa.
ii) Variable dependiente: Es la que se
supone es el efecto.
c) Por su escala de medición
i) Nominal: Asigna un atributo o característica a cada elemento,
pero no establece ningún tipo de jerarquía ni puede cuantificarse.
• Variable: Región de procedencia.
ii) Ordinal: Establece una jerarquía entre los diferentes
valores de la variable, pero no puede cuantificarse.
• Variable: Percepción de la calidad de atención.
iii) Intervalo: Asigna un valor numérico, pero el cero es
arbitrario, no representa la ausencia del fenómeno en estudio.
Variable: Temperatura en grados Celsius.
iv) Razón: Asigna un valor numérico en el cual el cero
representa la ausencia del fenómeno en estudio.
• Variable: Porcentaje de grasa corporal.
 MEDICIÓN
ES ASIGNAR NÚMEROS Ó SÍMBOLOS A OBJETOS O
SUCESOS DE ACUERDO A REGLAS PREDETERMINADAS1
“ES EL PROCESO DE VINCULAR CONCEPTOS ABSTRACTOS CON
INDICADORES EMPÍRICOS2”
Este proceso se realiza mediante un plan explicito y organizado para
clasificar (y frecuentemente cuantificar) los datos disponibles.
El instrumento de medición o de recolección de los datos juega un papel
central. Sin él no hay observaciones clasificadas.
Ejemplos: El investigador determina previamente:
Variable sexo: hombres les asignará el número (1) y a las mujeres el
número (2)
Variable nivel socio económico: aquellos que proceden del nivel socio
económico alto les asignará el número (3), nivel medio (2) y el nivel
bajo (1)
Variable peso: se consignará el valor que figure en la pantalla de la
balanza digital, ej: 62,500 grs

1: Stevens, Stanley, Handbook of Experimental Psychology, Nueva York, 1951.

2:Carmines y Zeller, 1979
 ESCALAS DE MEDICIÓN:
La escala de medición es el grado de precisión
como se expresa la medida de una variable.

El investigador construye las categorías de la

variable y ello a su vez determina la escala de
medición que está optando.

Tipo de variable y escala de medición:

determinan los métodos estadísticos que se
emplearán para analizar los datos.
 ESCALAS DE MEDICIÓN
Existen cuatro escalas de medición: (Stevens
1958)

RAZÓN

INTERVALO

ORDINAL

NOMINAL

Tema 2.- Variables 22

 RAZÓN ESCALAS DE
INTERVALO MEDICIÓN
ORDINAL

NOMINAL

• ESCALA NOMINAL: Sexo:

A todas las unidades Masculino (1)
Femenino (2)
estadísticas equivalentes
respecto a la propiedad o
atributo en estudio le
Tipo de paciente:
corresponde un número real Hospitalizado (3)
que funciona sólo como Ambulatorio (2)
“etiqueta”. Atención domiciliaria (1)
VÉLIZ Capuñay Carlos. Estadística
Aplicada
 ESCALAS DE
RAZÓN MEDICIÓN
INTERVALO

ORDINAL

NOMINAL Nivel socio económico:

Alto 3
Medio X 2
Bajo 1
• ESCALA ORDINAL:
Estado de Salud
cuando el orden de los
Muy saludable 5
números asignados a las Medianamente
unidades estadísticas 4
saludable
refleja diferentes grados Saludable X 3
de la propiedad o atributo Poco Saludable 2
en estudio. No saludable 1
Tema 2.- Variables 25
Tema 2.- Variables 26
 RAZÓN
ESCALAS DE
MEDICIÓN
INTERVALO

ORDINAL

NOMINAL

Se tiene una escala intervalar, cuando los valores asignados

a las unidades estadísticas no sólo permiten ordenarlas, sino
que además, las diferencias iguales entre éstos indican
diferencias iguales en las cuantías de las propiedades a
medir . El inicio de la escala ( 0 ) es arbitrario, convencional
Puntajes obtenidos en el curso de Investigación

0
10 11 12 13 14 15 16 17 18 19 20
Grados centígrados
 Unidad de medida de la temperatura, creada por el
astrónomo sueco Anders Celsius (1701-1744), tomando
como referencia el punto de congelación del agua (cero
grados) y el punto de ebullición de la misma (cien grados) a
presión atmosférica normal.
 Debido al inconveniente creado por la existencia de
temperaturas negativas por debajo del punto de congelación
del agua, los científicos introdujeron la escala kelvin, o
absoluta, que no es sino una modificación de la centígrada, la
cual sigue siendo, no obstante, ampliamente utilizada en las
actividades cotidianas de la sociedad.

ESCALAS fusión ebullición

escala Kelvin 273,15 K 373,15 K

escala CelsiusTema 2.- Variables
0 °C 100 °C 28
 ESCALAS DE
RAZÓN
MEDICIÓN
INTERVALO

ORDINAL

NOMINAL

ESCALA RAZÓN: cuando los valores asignados a las

unidades estadísticas no sólo permiten que éstas pueden ser
ordenadas, sino que además, las diferencias iguales entre
éstos indican diferencias reales en las cuantías de las
propiedades a medir . El valor cero, representa ausencia de la
característica que se mide
Edad (en años)

0 11 12 13 14 15 16 17 18 19 20
 EJEMPLOS DE ESCALAS
NOMINAL 1= MASCULINO , 2= FEMENINO

ORDINAL
1 2 3 4 5
Muy bajo Bajo Medio Alto Muy alto

º Centígrados
INTERVALO
36 36.5 37 37.5 38 38.5 39 39.5 40

Kg
RAZÓN
36 36.1 36.2 36.3 36.4 36.5 36.6 36.7 37
 TIPOS DE VARIABLES Y
ESCALAS DE MEDICIÓN

NOMINAL

ORDINAL
VARIABLES VARIABLES
CUALITATIVAS CUANTITATIVAS
O CATEGÓRICAS O NUMÉRICAS
INTERVALO

RAZÓN
Nº Variables Naturaleza de la Escala de
variable medición
Agentes causantes de quemaduras: físicas,
1
químicas Cualitativa dicotómica Ordinal

Valores de presión arterial en mmHg: 120, 140,

2 Cuantitativa continua Razón
100
Valores de glucosa en sangre de 100 niños
3 Cuantitativa continua Razón
escolares
Servicios hospitalarios: medicina, pediatría,
4 Cualitativa politómica Nominal
neurología
5 Tipo de parto: eutócico, distócico Cualitativa dicotómica Nominal
Número de centros de salud por distritos:
6 Cuantitativa discreta Razón
10,12,5,8
7 Temperatura en grados centígrados: 36, 37,38,36 Cuantitativa continua Intervalo
8 Niveles de pobreza: alto, medio,bajo Cualitativa politómica Ordinal
Presión Arterial (mm de Hg): Cuantitativa continua Razón
9
90,100,110,120,130,140
Presión Arterial: sobre el promedio, en el
10 Cualitativa Ordinal
promedio; debajo del promedio

Tema 2.- Variables 32

 Los posibles valores de una variable suelen MUY
denominarse categorías o modalidades. IMPORTANTE
 Las categorías se agrupan en clases
 Edades: Menos de 20 años, de 20 a 50 años, más de 50 años
 Sexo: hombres y mujeres

 Las modalidades/clases deben cumplir dos condiciones:

SUFICIENTEMENTE CORRECTO INCORRECTO

Estado civil Estado civil
EXHAUSTIVAS: todos los datos soltero soltero
deben tener la posibilidad de ser casado
viudo
casado
viudo
incluidos en una categoría. otros

MUTUAMENTE
EXCLUYENTES: cada dato, CORRECTO
Edad
INCORRECTO
Edad
respuesta, debe ser asignada a [ 15 – 19 ] [ 15 – 19 ]
[ 20 – 24 ] [ 19 – 24 ]
una y sólo una categoría. No
[ 25 – 29 ] [ 24 – 29 ]
debe quedar la menor duda [ 30 – 34 ] [ 29 – 34 ]
donde ubicar dicho dato.

Tema 2.- Variables 33

 Variable Medición
Razón
Cualitativa Nominal

Sexo: hombre-mujer Sexo: Razón: 20homb/10 mujeres =

Hombre ( 1 ) Hay 2 homb por mujer
Mujer (2)

Tabla Estadística Gráfico Circular

ESTRUCTURA POR SEXOS.
PERÚ 2007

TOTAL 27419294

HOMBRES 13626717

MUJERES 13792577
Fuente: INEI Censo Nacional de Población y
Vivienda
Tasa de omisión: 2,84
 Variable
Medición
Cuantitativa
Razón
Continua
n = 407

Peso recién nacido:

Se registra el peso de c/RN
4200; 3200; 3300grs…. Gráfico:Histograma
50

Análisis Estadístico 40

30

n = 407 20

Peso promedio = 3227.54gr

Desviación Estándar = 429.29 gr
10
Desv. típ.

Coeficiente variación = 15.25 %

Media = 20
0
50 90 1. 3 1 2. 1 2. 5 2. 9 3N
. 30
= 407,00
0 0 00 . 700 00 00 00 0

Peso recién nacidos en partos gemelares

36
37
38
Ficha Censal 2007
 Ficha Censal 2007:
VIVIENDA

1. Tipo de vivienda
2. Condición de ocupación de
la vivienda
3. Material de construcción
4. Abastecimiento de agua:
red pública?
5. Abastecimiento de agua:
disposición
6. Servicio higiénico: red
pública?
7. Vivienda: alumbrado público
8. Habitaciones
9. Vivienda: alquilada…?
 Sistema
Significado de
de salud Calidad de
vida

Características
Redes ADULTO Calidad
sociales MAYOR de vida
Validación de
instrumentos

Perfil de los
VIOLENCIA cuidadores

Tema 2.- Variables 41

An Fac Med Lima 2007;42
68(3)
4- UNIDAD DE ANÁLISIS (unidad elemental)
• Es cada uno de los elementos en estudio y para la cual se realiza el
análisis Ejemplo una persona ,un árbol ,una familia .
5.- UNIDAD MUESTRAL.
• Es la que puede estar conformada por un solo elemento o por un
conjunto de elementos. La conformación adecuada de las unidades
de muestreo va a facilitar el muestreo.
6.- MARCO MUESTRAL.
• Puede ser un documento material(lista ,fichero, croquis, etc.) donde se
consigna individualmente las unidades de muestreo de tal forma que
desde allí se pueda sortear las unidades que van a constituir la
muestra.
7.- DATO
• Es el registro o resultado luego de medir u observar la característica
del elemento.
 MUESTRA

• En las investigaciones muchas veces es

imprescindible realizar un cálculo de tamaño
de muestra para saber la precisión o la
potencia del estudio.

19/05/2018 DOCENTE: MIGUEL ANGEL FALCON POVIS

8) MUESTRA
• Una muestra estadística, o simplemente muestra, es una
parte o subconjunto del universo muestral pero elegida
con técnicas especiales que permiten asegurar que sea
representativa y adecuada.
a) Representativa
• Porque la muestra refleja las mismas características de
la población muestral y solamente deben diferir en el
tamaño. Se dice que la muestra es una población en
miniatura. Se piensa que para asegurar la
representatividad de una muestra se debe evitar la
tendencia o sesgo, utilizando métodos aleatorios.
 Entre los métodos aleatorios más
usados podemos señalar :
i) Método de la rifa:
Sea :
• Población muestral : N
• Muestra : n
• Se puede usar el siguiente procedimiento :
• Se enumeran los elementos de la población : 1, 2, 3, . . . , N
• Se enumeran N papelitos y se van eligiendo uno a uno (sin
remplazo) hasta completar n papelitos.
- Dichos elementos del universo constituyen los elementos de la
muestra.
- Obtener los datos de los elementos.
Ejemplo:
• Sea una población hipotética de 15 recién nacidos donde se
desea medir alguna variable ( lactancia materna precoz, Hto,
presencia de ictericia, temperatura, etc. ).
• Se desea extraer una muestra de tamaño 5.

1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15

Se eligen 5 papelitos al azar uno por uno

si no no si no
i) Método de Tabla de Números Aleatorios ( Tippett )
 Se enumeran los elementos de la población : 1, 2, 3, . . . ,
N.
 En una tabla de números aleatorios se identifica un dígito
por cualquier método aleatorio y luego se toman tantos
dígitos como dígitos tenga el tamaño de la población N.
 Se recorre la tabla hacia abajo (arriba) hasta captar tantos
números como sea el tamaño de la muestra.
 Dichos números en la población constituyen los elementos
de la muestra. Los elementos que se repiten o mayores de
N se desprecian.
 Ejemplo hipotético:
• N = 800 n = 25
• Xi : X1 , X2 , X3 , X4 , X5 , . . . , X800
 Se elige un punto al azar de la tabla de números aleatorios
 Se toman números de 3 dígitos (N = 800 tiene 3 dígitos).
 Se recorre la tabla hacia abajo
 Se identifican 25 números muestrales y se los ubica en la
población
 Dichos elementos constituyen la muestra.
 b) Adecuada
• Una muestra es adecuada si tiene un tamaño óptimo que permite
asegurar la existencia de las mismas características del universo y
que las generalizaciones sean válidas.
• Si una muestra es pequeña los resultados tienen relativa validez y
si es muy grande puede que haya un dispendio de recursos.
• El tamaño de muestra n, se obtiene con fórmulas del
Muestreo.
 TIPOS DE INVESTIGACION

Existen diversos criterios de clasificación. A continuación se

presenta la propuesta de Méndez - Namihira, que toma en cuenta
cuatro criterios de clasificación que forman dicotomías no
mutuamente excluyentes.
Los criterios son en base a:
1. El período que se capta la información :
a) Retrospectivo :
• Utiliza información captada antes de realizar el planeamiento del
trabajo de investigación.
b) Prospectivo:
• La información será captada de acuerdo al interés del investigador,
después del planeamiento del trabajo de investigación.
2. La evolución del fenómeno:
1) Longitudinal: Estudio en el cual se evalúa dos o más
veces a la variable de interés. Implica seguimiento.
2) Corte transversal: Estudio en el cual se evalúa una
sola vez a la variable de interés.
3. De acuerdo a la comparación de poblaciones:
a) Descriptivo : Cuando sólo se cuenta con una población.
 Descriptivo no correlacional: Si no se pretende establecer
asociación entre variables del mismo grupo.
 Descriptivo correlacional: Si se pretende establecer asociación
entre variables del mismo grupo.
b) Comparativo :
• Cuando existen dos o más poblaciones y se desean comparar
algunas variables en dichos grupos o poblaciones.
• Causa – efecto  Estudio de cohortes, estudios experimentales
• Efecto - causa  Estudio de casos – controles
 4. De acuerdo con la interferencia del investigador :
a) Experimental :
• El investigador modifica o controla algunas condiciones
o estímulos del estudio; Sin embargo muchos científicos
consideran que para una investigación sea considerada
experimental debe cumplirse las condiciones :
• Provocación del fenómeno : manipulación.
• Asignación aleatoria de los niveles del factor causal a las
unidades experimentales o individuos.
• Presencia del grupos equivalentes en comparación
(validez interna).
• Nota :
Según Hernández - Fernández :
 Si el experimento se desarrolla en un solo grupo se dice
que es un “Preexperimento”.
 Si el experimento se desarrolla con las tres condiciones
antes mencionadas se dice que es un “ Experimento
verdadero ” .
 Si el experimento se desarrolla con asignación no
aleatoria en grupos no equivalentes se dice que es un
“Cuasiexperimento”.
 b) Observacional :
• El investigador solamente capta la información u observa
fenómenos tal como se dan en su contexto natural para después
analizarlos. En este caso no se manipula intencionalmente las
variables independientes.

• Ejemplos de clasificación:
1. Se desea realizar un estudio para establecer si la asistencia al
control prenatal tiene relación con la duración de la fase activa en el
trabajo de parto en HRCH.
2. Se desea evaluar si la dosis baja de aspirina disminuye el riesgo de
preeclampsia en gestantes con antecedentes de preeclampsia,
HRCH.
3. ¿Tiene relación la presencia de criptorquidia de los recién nacidos
con la diabetes gestacional?
• El investigador puede optar por:
Determinación del tamaño muestral

• Todo TRABAJO DE INVESTIGACION en el campo

medico lleva implícito en la fase de diseño la determinación
del tamaño muestral necesario para la ejecución del
mismo. El no realizar dicho proceso, puede llevarnos a dos
situaciones diferentes: primera que realicemos el estudio sin
el número adecuado de pacientes, con lo cual no podremos
ser precisos al estimar los parámetros y además no
encontraremos diferencias significativas cuando en la
realidad sí existen. La segunda situación es que podríamos
estudiar un número innecesario de pacientes, lo cual lleva
implícito no solo la pérdida de tiempo e incremento de
recursos innecesarios sino que además la calidad del
estudio, dado dicho incremento, puede verse afectada en
sentido negativo.
Para determinar el tamaño muestral de un estudio,
debemos considerar diferentes situaciones

• A. Estudios para determinar parámetros. Es

decir pretendemos hacer inferencias a valores
poblacionales (proporciones, medias) a partir
de una muestra (Tabla 1).
• B. Estudios para contraste de hipótesis. Es
decir pretendemos comparar si las medias o las
proporciones de las muestras son diferentes.
A. Estudios para
determinar
parámetros
A.1. Estimar una proporción:
Si deseamos estimar una proporción, debemos
saber:
a) El nivel de confianza o seguridad (1-α). El nivel
de confianza prefijado da lugar a un coeficiente
(Zα). Para una seguridad del 95% = 1.96, para una
seguridad del 99% = 2.58.
b) La precisión que deseamos para nuestro estudio.
c) Una idea del valor aproximado del parámetro que
queremos medir (en este caso una proporción). Esta
idea se puede obtener revisando la literatura, por
estudio pilotos previos. En caso de no tener dicha
información utilizaremos el valor p = 0.5 (50%).
 TAMAÑO DE MUESTRA “n”

• La fórmula para obtener “n” depende del tipo de estudio (Descriptivo o

comparativo) y de la naturaleza de los datos (cuantitativos o
cualitativos ).
1. Estudio descriptivo
Cuando se estudia una sola población.
1.1. Variable cuantitativa: NOMINAL
a) Desviación estándar desconocida: DE (𝐒 𝐨 𝝈)
𝒕𝟐 𝒏−𝟏 ;𝟏−𝜶ൗ 𝑫𝑬 𝟐 𝑛𝑜
• 𝒏= 𝟐
, reajustándose a: 𝑛 = 𝑛 , E<0.10
𝑬𝟐 1+ 𝑜
𝑁
donde :
• no : Tamaño preliminar de muestra.
• 𝒕𝟐 𝒏−𝟏 ;𝟏−𝜶Τ𝟐 : Valor asociado obtenido de la tabla t de Student a un
nivel de confianza (1- 𝛼).
• DE : Desviación estándar
• E : error de muestreo
• N : tamaño de población
• Cuando D.E., debe obtenerse de estudios

similares o de estudios pilotos, o puede

estimarse con el criterio 6 sigma.

𝑋𝑚𝑎𝑥. −𝑋𝑚𝑖𝑛.
• 𝐷𝐸 =
6
b) Desviación estándar conocida
• Cuando D.E. es conocida en vez de 𝒕 𝒏−𝟏 ;𝟏−𝜶Τ𝟐 se usa
𝒁 𝟏−𝜶Τ , valor obtenido de la tabla de la distribución
𝟐
normal estándar.
𝑛𝑜
• Nota : Cuando la población infinita (  0 ), por
𝑁
tanto no se aproxima a n.
• Ejemplo :
• Se desea estimar el pH promedio del agua en la
atarjea de la ciudad de Nuevo Chimbote. ¿Cuántas
muestras de agua deben tomarse si se fija un 95%
de confianza, un 5% de error de muestreo; si una
muestra piloto de tamaño 20 reportó un pH promedio
de 7 unidades una desviación estándar del pH 1.5
unidades.
AHORA VAMOS A DESARROLLARLO JUNTOS EL PROBLEMA PLANTEADO

DESARROLLO:
• DATOS: PROCESO: reemplazando los datos
• 𝒏𝒐 =?
• 𝜸 = 𝟗𝟓% = 𝟎, 𝟗𝟓
• 𝜶 = 𝟓 % = 𝟎, 𝟎𝟓
𝒕𝟐 (𝟏,𝟓)𝟐
𝜶 𝟎,𝟎𝟓 𝟐𝟎−𝟏 ;𝟏−𝟎,𝟎𝟓ൗ𝟐
• = = 𝟎, 𝟎𝟐𝟓 𝒏𝒐 =
𝟐 𝟐 (𝟎,𝟑𝟓)𝟐

𝟓 𝒕𝟐 𝟏𝟗;𝟎,𝟗𝟕𝟓 𝟐,𝟐𝟓
• E = 5% = x 7 = 0,35 𝒏𝒐 =
𝟏𝟎𝟎 𝟎,𝟏𝟐𝟐𝟓

(𝟐,𝟎𝟗𝟑𝟎)𝟐 𝟐,𝟐𝟓
• n = 20 𝒏𝒐 =
𝟎,𝟏𝟐𝟐𝟓
• 𝝈 = 𝟏, 𝟓 𝒖𝒏𝒊𝒅𝒂𝒅𝒆𝒔
𝒕𝟐 𝒏−𝟏 ;𝟏−𝜶ൗ (𝛔)𝟐
• 𝒏= 𝟐
𝒏𝒐=
𝑬𝟐
Rpta: 𝒏𝒐= n = muestras de agua
• 1.2. Variable cualitativa:
𝒛𝟐 𝑷𝑸
𝒏= , reajustándose a
𝑬𝟐
𝑛𝑜
𝑛= 𝑛 , donde:
1+ 𝑁𝑜

n0 : Tamaño preliminar de muestra

P : Proporción de elementos con la característica de interés.
E : error de muestreo.- Generalmente se usa : 0,01  E  0,12
N : tamaño de población
n : tamaño de muestra
Cuando no se tiene referencias se puede asumir una varianza PQ
máxima ( PQ = 0,25 ).
P +Q = 1
 Ejemplo:
• Un epidemiólogo desea saber qué proporción de adultos que viven en un área
metropolitana de 20 000 personas, tienen el subtipo “ay” del virus de la hepatitis B.
Determine el tamaño de muestra que se requerirá para estimar la verdadera proporción
de personas con este virus, si se conoce que en una área metropolitana similar, se
reportó que la proporción de adultos con la característica de interés fue de 0.10 y no se
cuenta con otra información ni se obtuvo muestra piloto. Use un error de muestreo del
3% y un nivel de confianza del 95%.
DESARROLLO: proceso de desarrollo: desarróllalo TU
• Datos:
• N= 20 000 personas
• n =?
• P=0,10
• Q=0,90 nota: ( P + Q = 1)
• 𝒏𝒐 = ?
𝟑
• E= 3% = = 0,03
𝟏𝟎𝟎
• 𝜸 = 𝟎, 𝟗𝟓%
• 𝜶 = 𝟎, 𝟎𝟓%
𝜶 𝟎,𝟎𝟓
• = = 0,025
𝟐 𝟐

•
 Ejemplo
• En estudio se quiere identificar las frecuencia de
retención de restos placentarios como parte de la
morbilidad materna extrema durante el embarazo,
parto y puerperio en los hospitales MINSA
Lambayeque, en el periodo 1°enero 2010 –
31°diciembre 2011. Si se desea trabajar con una
precisión del 3%, nivel de confianza del 95%, y se
sabe que según estudios previos la proporción de
restos placentarios es 15%. Calcule la
muestra necesaria para el estudio.

19/05/2018 DOCENTE: MIGUEL ANGEL FALCON POVIS

2. Estudio comparativo: Cuando se evalúan 2 o más poblaciones.
• 2.1. Variable cuantitativa :
La variable respuesta es numérica. La fórmula :
2
2 𝑍𝛼ൗ +𝑍𝛽 𝐷𝐸 2
• 𝑛= 2
𝐸2

 : error tipo I (Rechazar la hipótesis nula siendo cierta)

 : error tipo II (Aceptar la hipótesis nula siendo falsa)
Z : valor tabular (distribución normal estándar)
DE : desviación estándar
E : diferencia mínima entre grupos para rechazar igualdad

𝑫𝑬𝟐 𝟏 + 𝑫𝑬𝟐 𝟐 2 𝑺𝟐 𝟏 + 𝑺𝟐 𝟐
• 𝐷𝐸 2 = o 𝑆 =
𝑬𝟐 𝑬𝟐

• Puede usarse :
• ( DE )i : DE según referencia
• DE : Máxima desviación estándar de grupo.
Algunos valores se presentan en la siguiente tabla:

: 1 -  = Nivel de Z1-/2
confianza
0,01 99% 2,57
0,05 95% 1,96
0,10 90% 1,64

 1 -  = Potencia de Z1-
prueba
0,20 80% 0,842
0,10 90% 1,282
0,05 95% 1,645
0,01 99% 2,326
 Ejemplo :Se desea comparar 2 fármacos de inducción del parto ( F1,

F2,Oxit, Misop.). Se desea estimar el tamaño de muestra por grupo de

estudio si se asume una confianza del 95% (  = 0,05 ), una potencia de la

prueba del 90% (  = 0,10 ; Z = 1,28 ), y una diferencia de 1 hora para

asumir diferencia significativa; Por referencias se conoce que la duración

del trabajo de parto es de 8  3 ( 𝑋

ത DE ).

𝟐
𝟐 𝒁𝜶ൗ + 𝒁𝜷 𝑫𝑬 𝟐
𝟐
𝒏=
𝑬𝟐
Desarróllalo: TU PUEDES HACERLO
2.2. Variable cualitativa:
𝟐
𝒁𝜶ൗ + 𝒁𝜷 𝒑𝟏 𝒒𝟏 + 𝒑𝟐 𝒒𝟐 𝟐
𝟐
𝒏= 𝟐
𝒑𝟏 − 𝒑𝟐
p1 : Proporción de casos que se espera encontrar en grupo I
q1 = 1 - p1
p2 : Proporción de casos que se espera encontrar en grupo II
q2 = 1 - p2
d = p1 - p2
Ejemplo :
• Se desea comparar la efectividad de 2 tratamientos en cuanto
al mejoramiento de cierta enfermedad. Se desea las exigencias
del 90% de confianza ( = 0,10 ; Z=1,645 ), una potencia de la
prueba del 80% ( = 0,20 ; Z = 0,842 ), asumiendo una
sobrevivencia del 85% en el grupo 1 y del 95% en el grupo II
(P1=0,85 , P2=0,95 ). Desarróllalo:
 EJERCICIO PROPUESTO

1. Los ríos contaminados , tanto por desechos industriales

como por la basura, reducen la cantidad de O2 disuelto. En
cierto lugar, una fábrica de papel vierte sus desechos
industriales afirmando que estos no contaminan debido a que
son tratados con las especificaciones sugeridas por el gobierno.
Si se desea estimar la cantidad de oxígeno disuelto en el río
después de donde se encuentra la fábrica, con un nivel de
confianza del 95% ¿cuántas muestras de agua deben tomarse?
Si una muestra piloto de 20 muestras arrojó un promedio de
oxígeno disuelto de 6.3 ppm y una desviación estándar de 1.1
ppm.
2. ¿A cuantas personas tendríamos que estudiar para
conocer la prevalencia de diabetes?
• Seguridad = 95%; Precisión = 3%: Proporción esperada =
asumamos que puede ser próxima al 5%; si no tuviésemos ninguna
idea de dicha proporción utilizaríamos el valor p = 0,5 (50%) que
maximiza el tamaño muestral:
Si la población es finita, es decir conocemos el
total de la población y deseásemos saber cuántos
del total tendremos que estudiar la respuesta
seria:
2
𝑁. 𝑍 𝑝. 𝑞
𝑛= 𝛼
2
𝑑 2 𝑁 − 1 + 𝑍 𝑝. 𝑞
𝛼

donde:
• N = Total de la población
2
• Z = 1.962 (si la seguridad es del 95%)
𝛼
• p = proporción esperada (en este caso 5% = 0.05)
• q = 1 – p (en este caso 1-0.05 = 0.95)
• d = precisión (en este caso deseamos un 3%).
 EJEMPLO:
¿A cuántas personas tendría que estudiar de una
población de 15.000 habitantes para conocer la
prevalencia de diabetes?
• Seguridad = 95%; Precisión = 3%; proporción esperada = asumamos
que puede ser próxima al 5% ; si no tuviese ninguna idea de dicha
proporción utilizaríamos el valor p = 0.5 (50%) que maximiza el tamaño
muestral.
Según diferentes seguridades el coeficiente de Zα
varía, así:
• Si la seguridad Zα fuese del 90% el coeficiente
sería 1.645
• Si la seguridad Zα fuese del 95% el coeficiente
sería 1.96
• Si la seguridad Zα fuese del 97.5% el coeficiente
sería 2.24
• Si la seguridad Zα fuese del 99% el coeficiente
sería 2.576
 REFERENCIAS BIBLIOGRÁFICAS

1. Daniel, Wayne. Bioestadística: Base para las Ciencias de la Salud.

4° ed. México. Ed. Llimusa; 2 002.
2. Dawson-Sauders, B. Trapp, R. Bioestadística Médica. Ed. El
Manual Moderno. México D.F. 1 993. KERLINGER Fred.
Investigación del Comportamiento. 3ª.ed. México: Ed. Mc Graw Hill
1988
3. NURIA C. de KOHAN y José Manuel Carro. Estadística
Aplicada. Editorial Universitaria de Buenos Aires.
4. SIERRA Bravo Restituto. Diccionario Práctico de Estadística y
Técnicas de Investigación Científica. Madrid: Editorial
Paraninfo1991
5. VÉLIZ Capuñay Carlos. Estadística Aplicada. Lima: Servicios
Copias Gráficas S.A. 2000
GRACIAS POR
TU ATENCION